基于改进卷积神经网络的枇杷生育时期自动识别方法

本发明属于图像识别领域，具体涉及一种基于改进卷积神经网络的枇杷生育时期自动识别方法。

背景技术：

1、枇杷是一种重要的经济作物，其生育时期管理是枇杷栽培过程中的关键环节。传统的枇杷生育时期识别方法主要依赖于人工观察和记录，不仅耗时耗力，而且容易受主观因素影响，导致识别精度不高。此外，室外和棚内不同栽培管理方式下的枇杷生长环境存在差异，使得枇杷的生育时期表现也有所不同，进一步增加了识别的难度。

2、随着深度学习的发展，卷积神经网络模型逐步被应用于作物生育时期识别任务中。但是目前该方法多应用于某一固定条件下采集到图像的作物，由于深度学习方法泛化能力弱，导致在不同条件下获取的图像识别结果不准确。此外，现有的生育时期识别方法只能给出作物所处生长阶段这一单一结论，不能直接指导作物关键生育时期的水肥、病虫害等管理操作。

3、因此，本发明提出了一种基于改进卷积神经网络的枇杷生育时期自动识别方法，以提高不同图像采集设备下、不同栽培环境下的枇杷生育时期识别精度和效率，并将优化模型部署到手机app，根据各个生育时期配备相应的农事管理指导方案，解决实际应用问题。

技术实现思路

1、本发明的主要目的是提供一种基于改进卷积神经网络的枇杷生育时期自动识别方法，通过改进的卷积神经网络模型对不同栽培方式下、不同数据采集途径下获取到的枇杷图像数据进行特征提取和分类，提高模型的泛化能力和精度，实现枇杷生育时期的自动识别，并提供相应的农事指导。

2、为实现上述目的，本发明采取以下技术方案：

3、基于改进卷积神经网络的枇杷生育时期自动识别方法，包括如下步骤：

4、(1)获取枇杷图像：为了增强模型的泛化能力，本研究采用不同的数据获取方式来采集不同栽培方式下的枇杷图像。枇杷分为大棚栽培和室外栽培的枇杷，不同栽培方式下的枇杷在同一生育时期的表现有所差异，采集到的图像特征也不同；采集方式为使用不同型号的手机、数码相机、监控摄像头等设备采集枇杷图像，得到不同分辨率的图像；不定期拍摄，得到枇杷花芽分化期、现蕾期、始花期、盛花期、谢花期、初果期、果实膨大期、果实成熟期的图像数据。为了保证数据的准确性和多样性，在不同天气、光照条件下进行拍摄，并覆盖枇杷生长的各个阶段。拍摄部位包括叶片、蕾、花、果实等，拍摄距离有远有近，比如单幅图像中包含单个叶芽、花蕾等部位的为近距离，包含单棵树中的多个花、果等目标的为中距离，包含多棵枇杷树的为远距离。

5、(2)图像预处理与数据集构建：对采集的图像数据进行预处理，包括去除模糊、重叠等不符合要求的图像，对图像进行滤波、裁剪、缩放等操作以扩大数据集，使其符合深度学习模型的输入要求，进一步以提高图像质量和算法识别效率。标注图像中能代表各生育时期特征的部分，不同生育时期使用不同的编号。将标注完成的数据按照7：3：1的比例划分为训练集、验证集和测试集。训练集用于模型拟合的数据样本，调试模型中的参数；验证集用于评估单次训练的结果和模型调优；测试集用于检测最终模型的性能和检测效果。

6、(3)模型评价指标：一张枇杷图像中可能包含几个不同的生育时期特征，比如包含现蕾期、开花期、果实初期等，本研究定义以靠后的这个生育时期为准，即如果单张图像中出现花蕾、幼果，则判定为初果期。模型以识别生育时期的准确度为评价指标。

7、(4)训练和改进卷积神经网络模型：本发明使用深度学习中的yolov8卷积神经网络模型，在此基础上用focal-iou替代ciou损失函数、加入ca(coordinate attention)注意力机制，以提高模型的识别精度和泛化能力。利用改进的深度学习算法，构建枇杷生育时期识别模型。该模型通过大量的训练数据学习枇杷不同生育时期的特征，包括叶片颜色、形状、果实大小等，实现生育时期的自动识别。将测试集的枇杷图像输入到训练好的深度学习模型中，获取枇杷关键生育时期，根据结果调整模型参数，得到最优模型。本发明的方法识别枇杷生育时期的准确率为96.69％，单张图像识别速度为0.048s，在高效的同时也有很高的准确率。

8、(5)生育时期自动识别：将最终的优化模型部署至手机app，并提供相应时期的农事指导，搭建出枇杷生育时期识别与相关农事管理软件。此app可识别不同数据来源、不同栽培方式下的枇杷图像，导入图像后自动获得生育时期识别结果，同时会给出相应的农事指导操作，如施肥、浇水、病虫害防治等。

9、本发明的有益效果在于：

10、1、多种数据捕获途径和栽培环境提高了枇杷生育时期识别的精度和效率，减少了人工观察的误差和耗时；

11、2、实现了枇杷生育时期的自动化识别，降低了农业生产的成本；

12、3、提供农事指导有利于提高枇杷的种植管理效率，提高枇杷的产量和品质；

13、4、为其他果树生育时期的自动识别提供了可借鉴的技术方案。

14、综上所述，本发明提出的基于改进卷积神经网络的枇杷生育时期自动识别方法具有重要的实际应用价值和推广前景。

技术特征：

1.基于改进卷积神经网络的枇杷生育时期自动识别方法，包括：

2.根据权利要求1所述的基于改进卷积神经网络的枇杷生育时期自动识别方法，其特征在于：

3.根据权利要求1所述的基于改进卷积神经网络的枇杷生育时期自动识别方法，其特征在于：

4.根据权利要求3所述的基于改进卷积神经网络的枇杷生育时期自动识别方法，其特征在于：

5.根据权利要求1所述的基于改进卷积神经网络的枇杷生育时期自动识别方法，其特征在于：

6.根据权利要求5所述的基于改进卷积神经网络的枇杷生育时期自动识别方法，其特征在于：

7.根据权利要求5所述的基于改进卷积神经网络的枇杷生育时期自动识别方法，其特征在于：

技术总结本发明提供一种基于改进卷积神经网络的枇杷生育时期自动识别方法，获取不同栽培方式、不同生育时期下的枇杷图像；标注图像并对图像进行数据增强，构建训练集、验证集和测试集；建立包含改进损失函数和注意力机制模块的YOLOv8卷积神经网络模型并训练；输入测试集的图像数据至训练好的模型，调整模型参数，得到最终的优化模型；将优化的卷积神经网络模型部署至手机APP，通过不同图像获取途径输入枇杷图像，得到枇杷的生育时期识别结果，并根据各个生育时期配备相应的农事管理指导方案，形成枇杷生育时期识别与相关农事管理软件，本发明的方法能实现生育时期的自动、准确识别，并为枇杷管理提供决策支持。技术研发人员：杨峰,张洁,谭先明,周伟,杨宸尧,杨诚阳受保护的技术使用者：四川农业大学技术研发日：技术公布日：2024/8/20