[發明專利]一種基于卷積神經網絡的玉米表型參數提取方法

在審

• 申請號: 202210815376.2
• 申請日: 2022-07-08
• 公開（公告）號: CN115205653A
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 楊琳琳;王建坤;常金攀;賀小梅;白振江;別書凡;徐振南;孫波;唐秀英;施杰;張鴻富
• 申請（專利權）人: 云南農業大學
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/774;G06N3/08;G06N3/04
• 代理公司: 云南盛恒知識產權代理有限公司 53224
• 代理人: 陳藝琴

1.一種基于卷積神經網絡的玉米表型參數提取方法，其特征在于，具體包含以下步驟：

步驟1、使用工業相機在玉米田間進行玉米單株圖像采集，采集對應的株高，莖粗，干生物量，葉面積，葉綠素含量，含水量數據，得到玉米表型數據；

步驟2、將步驟1中得到的同一單株的四幅圖像進行合并，選擇對應的玉米表型數據作為標簽，得到卷積神經網絡訓練所需的數據集；

步驟3、將步驟1得到的玉米表型參數數據進行數據標準化處理；

步驟4、將步驟3得到的數據集進行數據增廣操作，通過數據集圖像的隨機反轉和角度變換進行圖像數據擴充，然后進行隨機打亂劃分，劃分為訓練集和驗證集；

步驟5、搭建用于玉米表型參數提取的卷積神經網絡，使用卷積神經網絡網絡模型，該模型使用深度可分離卷積，大大減少計算量和模型參數量；

步驟6、將步驟4中得到的數據集使用步驟5中的網絡進行模型訓練，得到卷積神經網絡模型，通過調整網絡參數進行網絡優化，得到優化后的網絡模型；

步驟7、將待處理玉米植株圖片輸入到步驟6得到的模型進行玉米表型參數的提取。

2.根據權利要求1所述的一種基于卷積神經網絡的玉米表型參數提取方法，其特征在于：在步驟1中采集后續訓練所需的玉米表型數據，其中，使用塔尺測量玉米植株株高，株高指植株地上部分根莖部到頂部之間的距離，其中頂部是指主莖頂部；使用莖粗測量儀測量莖粗，或者使用游標卡尺測量基莖直徑，多次測量求平均值；使用葉面積測量儀采集葉面積；使用葉綠素測量儀測量葉綠素含量；采用烘干稱重法獲得玉米植株的干生物量，獲取植株地上部分，將其進行分段處理后，放入紙袋中，再置于烘箱中殺青、烘干至恒重，然后利用天平進行重量測定。

3.根據權利要求1所述的一種基于卷積神經網絡的玉米表型參數提取方法，其特征在于：所述步驟2中，選擇俯視圖和側視圖進行合并，圖像的合并操作使用OpenCv完成，順序讀取俯視圖和各個角度的側視圖，并調整各個圖像的尺寸，合并后得到單株玉米的圖片數據。

4.根據權利要求1所述的一種基于卷積神經網絡的玉米表型參數提取方法，其特征在于：所述步驟5中，搭建的卷積神經網絡在深度可分離卷積的基礎上添加了ResidualConnection，形成Inverted ResidualBlock，該卷積神經網絡第一個模塊是卷積層，中間模塊是bottleneck塊的堆疊，最后的模塊包括卷積層，池化層和全連接層，通過調整各個模塊的參數優化網絡效果，輸出層神經元個數為玉米表型參數的種類，不使用激活函數，是一個線性層。

5.根據權利要求1所述的一種基于卷積神經網絡的玉米表型參數提取方法，其特征在于：所述步驟6中，模型訓練需要多次迭代訓練，使用均方誤差(MSE)作為損失函數，使損失函數收斂直至穩定，獲得回歸值與實際值最接近的網絡模型。