[發(fā)明專利]基于矢量神經(jīng)網(wǎng)絡(luò)的多角度植物識別方法

有效

• 申請?zhí)枺?/td>: 201811263198.7
• 申請日: 2018-10-28
• 公開（公告）號: CN109446985B
• 公開（公告）日: 2021-06-04
• 發(fā)明（設(shè)計）人: 左羽;徐文博;吳戀;崔忠偉;于國龍;趙建川
• 申請（專利權(quán)）人: 貴州師范學(xué)院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京中濟(jì)緯天專利代理有限公司 11429
• 代理人: 郝志亮

1.基于矢量神經(jīng)網(wǎng)絡(luò)的多角度植物識別方法，所述矢量神經(jīng)網(wǎng)絡(luò)由一個像素卷積單元、一個特征矢量單元和若干主矢量單元構(gòu)成，像素卷積單元用于接收原始待識別的圖像，主矢量單元用于接收像素卷積單元的輸出向量和其他主矢量單元的輸出向量，特征矢量單元用于接收最后一層主矢量單元抽象的特征，其特征在于，所述方法包括如下步驟：

S1：收集植物多角度圖像，通過圖像采集裝置采集擬識別植物不同季節(jié)的多個角度的器官局部圖像，收集并整理圖像資源按植物類別進(jìn)行分類整理備用；

S2：圖像訓(xùn)練集制作，通過將步驟S1中收集采集的植物圖像按已分類別進(jìn)行標(biāo)注，并將標(biāo)注后的圖像數(shù)據(jù)統(tǒng)一調(diào)整為大小一致的尺寸；

S3：對矢量神經(jīng)網(wǎng)絡(luò)訓(xùn)練，通過將步驟S2中處理后的圖像數(shù)據(jù)，輸入到矢量神經(jīng)網(wǎng)絡(luò)中，經(jīng)多次迭代后使得網(wǎng)絡(luò)能夠提取出植物圖像的多維特征，并經(jīng)過向量算法將特征轉(zhuǎn)為向量值，其中向量的模長表示其所屬類別的可能性，向量的方向表示植物的類別實體參數(shù)；

S4：將步驟S3中的訓(xùn)練得到的矢量神經(jīng)網(wǎng)絡(luò)用于植物種類識別，待識別的植物圖像經(jīng)矢量神經(jīng)網(wǎng)絡(luò)自主提取出具有視角不變性的特征，產(chǎn)生最終的特征向量，并根據(jù)這個特征向量的模長來計算分類損失，分類計算后得出識別分類結(jié)果名稱；

S5：根據(jù)步驟S4中計算的分類結(jié)果名稱，搜索數(shù)據(jù)庫或網(wǎng)絡(luò)資源資料，并展示搜索后的數(shù)據(jù)詳細(xì)信息。

2.根據(jù)權(quán)利要求1所述的基于矢量神經(jīng)網(wǎng)絡(luò)的多角度植物識別方法，其特征在于：所述步驟S1中采集的局部圖像為植物的花、葉、果實和特征明顯的植物器官圖像。

3.根據(jù)權(quán)利要求1所述的基于矢量神經(jīng)網(wǎng)絡(luò)的多角度植物識別方法，其特征在于：所述步驟S1中的分類整理為將采集的植物數(shù)據(jù)按照同種類數(shù)據(jù)放入同一文件夾中。

4.根據(jù)權(quán)利要求1所述的基于矢量神經(jīng)網(wǎng)絡(luò)的多角度植物識別方法，其特征在于：所述步驟S2中的標(biāo)注為將步驟S1中的分類整理后的文件進(jìn)行編號，并以文本形式列出每個編號所對應(yīng)的植物名稱，形成了一個可用于訓(xùn)練所述矢量神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集。

5.根據(jù)權(quán)利要求1所述的基于矢量神經(jīng)網(wǎng)絡(luò)的多角度植物識別方法，其特征在于：所述步驟S2中的圖像尺寸為128*128。

6.根據(jù)權(quán)利要求1所述的基于矢量神經(jīng)網(wǎng)絡(luò)的多角度植物識別方法，其特征在于：所述步驟S3中的多維特征為經(jīng)過數(shù)個主矢量單元后提取出來，具有多個維度的特征。

7.根據(jù)權(quán)利要求1所述的基于矢量神經(jīng)網(wǎng)絡(luò)的多角度植物識別方法，其特征在于：所述步驟S3中的向量算法為向量間路由算法。

8.根據(jù)權(quán)利要求1所述的基于矢量神經(jīng)網(wǎng)絡(luò)的多角度植物識別方法，其特征在于：所述步驟S3中的實體參數(shù)有葉片紋理、葉脈分布、形狀信息，實體參數(shù)通過機(jī)器自主學(xué)習(xí)進(jìn)行特征提取。