[發明專利]基于深度學習的田間西蘭花長勢監測系統及方法

有效

• 申請號: 202010146782.5
• 申請日: 2020-03-05
• 公開（公告）號: CN111460903B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 周成全;葉宏寶;徐志福;華珊;許敏界;韓愷源
• 申請（專利權）人: 浙江省農業科學院
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06V10/26;G06V10/46;G06V10/56;G06V10/50;G06V10/82;G06N3/04;G06N3/08;G06Q50/02
• 代理公司: 上海宛林專利代理事務所(普通合伙) 31361
• 代理人: 張明

1.一種基于深度學習的田間西蘭花長勢監測系統的監測方法，其特征在于，所述監測系統包括田間移動平臺和圖像采集系統，所述田間移動平臺包括輪式底座、三自由度支架和自動控制裝置，所述圖像采集系統包括工業相機和工作站，所述三自由度支架設置在所述輪式底座上，所述工業相機數量為兩臺，固定安裝在所述三自由度支架上，所述工業相機和工作站通信連接，所述自動控制裝置用于實現所述工業相機自動、同步拍攝，并控制所述三自由度支架進行升降操作；

所述監測方法包括以下步驟：

步驟1、將兩臺所述工業相機同步獲取的田間西蘭花影像利用SIFT算法進行拼接，得到原始數據集；

步驟2、對所述原始數據集進行標注，區分出花球和背景信息；

步驟3、對標注好的數據集進行圖像切割，把切割出的子圖像用雙線性插值法重采樣，并灰度化，得到訓練數據集；

步驟4、將所述訓練數據集輸入改進U-Net全卷積神經網絡中進行訓練學習，得到西蘭花球分割模型；

步驟5、將測試數據輸入訓練好的所述西蘭花球分割模型，得出分隔結果灰度圖，并依次進行拼接后重采樣；

步驟6、通過Otsu算法對步驟5中重采樣后的圖像中分割出的花球區域進行二次分割，得到所述花球區域上黃-綠兩種顏色的占比作為新鮮度評價的標準；

所述步驟4中所述改進U-Net全卷積神經網絡包括下采樣部分和上采樣部分，所述下采樣部分包括八個3×3的卷積層和四個2×2的最大值池化層，所述上采樣部分包括八個3×3的卷積層，一個1×1的卷積層和四個2×2的反卷積層，所述卷積層采用線性整流函數作為激活函數，且對每個卷積層的卷積結果填充0以保證輸入輸出大小不變。

2.如權利要求1所述的基于深度學習的田間西蘭花長勢監測系統的監測方法，其特征在于，所述輪式底座采用中控設計，后部設置有鋰電池，前后輪處分別設置有直流伺服電機，用于控制所述輪式底座行駛和轉向。

3.如權利要求1所述的基于深度學習的田間西蘭花長勢監測系統的監測方法，其特征在于，所述三自由度支架包括水平部分、垂直部分和相機支架，所述水平部分可拆卸固定在所述輪式底座X向任意位置，所述垂直部分可拆卸垂直固定在所述水平部分Y向任意位置，所述相機支架沿Z向可移動安裝在所述垂直部分，并接受所述自動控制裝置控制升降操作。

4.如權利要求1所述的基于深度學習的田間西蘭花長勢監測系統的監測方法，其特征在于，所述三自由度支架的材質為鋁合金材質。

5.如權利要求3所述的基于深度學習的田間西蘭花長勢監測系統的監測方法，其特征在于，所述相機支架為減震設計。

6.如權利要求2所述的基于深度學習的田間西蘭花長勢監測系統的監測方法，其特征在于，所述輪式底座還包括電渦流緩速器，所述電渦流緩速器設置在所述輪式底座后輪處，用于在行駛狀態下輔助制動。

7.如權利要求1所述的基于深度學習的田間西蘭花長勢監測系統的監測方法，其特征在于，所述自動控制裝置包括可編程邏輯控制器、繼電器，所述可編程邏輯控制器用來控制繼電器，所述繼電器輸出用來觸發所述工業相機快門和控制所述相機支架升降。

8.如權利要求1所述的基于深度學習的田間西蘭花長勢監測系統的監測方法，其特征在于，所述步驟2中對所述原始數據集進行標注具體步驟為：

步驟2.1、用紅色對花球輪廓進行標注；

步驟2.2、用形態學區域填充對輪廓進行填充；

步驟2.3、標注出完整花球區域得到原始圖像的參照基準。