CN119516388A 一种苗情长势识别方法及系统 （宁波大龙农业科技有限公司）

据灰度值在各植株区域的出现频次确定频次重重要度与灰度复杂程度相乘归一化得到重要程2采集植株生长过程中的多个图像，提取每个图像中的植株区域，根的局部范围内包含的像素点的总数和所述局部范围内包含的像素点的灰度值的标准差，Hin(i,k)为所述局部范围内的第k个像素点的灰度值；将灰度值的频次重要度和灰度复杂程度相乘并归一化得到灰度值的将各植株区域的特征向量输入预先训练好的决策树分类模型，得到各;i+1个植株区域中出现的频次，Q:(h)为灰度值h在第i个植株区域中出现的频次，n为植在各植株区域的灰度共生矩阵中剔除不重要灰度值对应的纹将所有重要灰度值对应的纹理在灰度共生矩阵中出现的频率构成该植株区域的特征将全部灰度值按照重要程度进行K=2的K_MEANS聚类，得到两个聚类簇，将重要程度平均值最高的聚类簇确定为重要聚类簇，以重要聚类簇中将所有灰度值中重要程度低于所述重要程度阈值的灰度值作程度不低于所述重要程度阈值的灰度值作为3采集植株在历史生长过程中不同苗情长势下的历史图像，标记每个在训练过程中，决策树模型根据预先选择的分裂准则，自动决策树分类模型能够根据输入的特征向量对植株的苗情素点为中心，将中心周围大小为NXN的矩形区域作为像素点的局部范围，其中，为预设于语义分割进行提取的，所述语义分割是基于卷积神经网络CNN或全卷积网络FCN或U_Net存储器上存储有计算机程序，所述处理器执行所述计算机程序以实现如权利要求1_8任一特征提取单元用于根据灰度值的重要程度提取分类单元用于将特征向量输入预先训练好的决策树分类模型并输出各植株区域的苗4素点的局部范围内包含的像素点的总数和所述局部范围内包含的像素点的灰度值的标准5在第i+1个植株区域中出现的频次，Q:(h)为灰度值h在第i个植株区域中出现的频次，n所有重要灰度值对应的纹理在灰度共生矩阵中出现的频率构成该植株区域[0018]上述技术方案通过剔除不重要灰度值对应的纹理，仅保留重要灰度值对应的纹6重要程度不低于所述重要程度阈值的灰度值以精准地对不同程度的苗情变化进行区分和判断，为精准农业管理提供了有力的技术支于卷积神经网络CNN或全卷积网络FCN或U_[0031]本发明还提供一种苗情长势识别系统，所述长势识别系[0036]分类单元用于将特征向量输入预先训练好的决策树分类模型并输出各植株区域[0038]本发明通过对植株图像灰度值特征的深度挖掘，依据灰7现代农业大规模种植与精细化管理提供了可靠的技[0039]通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，8灰度共生矩阵中第L行第J列的元素值为K，这表明在该植株区域水平方向上，灰度值组合[0063]频次重要度是根据灰度值在所有的植株区域中出现的频次来衡量其重要程度的9h在第i+1个植株区域中出现的频次，Q:(h)为灰度值h在第i个植株区域中出现的频次，[0069]该公式中，1QX1(h)-Q:(h)l体现的是灰度值h在第i+1个植株区域与第i个植株区域里出现频次的差值，分母Q:(h)则是该灰度值h在第i个植株区域二者相除得到的就是灰度值h在第i+1个植株区域中出现的频次和灰度度，这个频次重要度能够从整体上反映该灰度值在整个植株生长过程中所呈现出的关键不同生长阶段图像中出现频次的动态变化转化为一个可衡量、可比较的频次重要度指标，[0073]由于频次重要性仅从灰度值在植株图像中出现的频次判断其重要程度是不够全植株区域中对应的第个像素点的局部范围内包含的像素点的总数和所述局部范围内包含域中对应的第j个像素点的局部范围内的像素点的灰度值与灰度值h之间的差距，将该差起到了挖掘微观层面关键信息的重要作用。度值h在第i个植株区域中对应的全部像素点进行综合考量，得到灰度值h在第i个植株区值在整个植株区域中所有对应像素点的综合考量，以及进一步对所有植株区域的平均计筛选出那些在植株生长过程中真正具有关键指示意[0089]具体地，将全部灰度值按照重要程度进行K=2的K_MEANS聚类，得到两个聚类重要程度不低于所述重要程度阈值的灰度值[0093]这种筛选方法显著优化了数据资源的利用，通过精准分生矩阵中的元素值结果如下：[0108]按照步骤S1_步骤S4的操作获取每个历史图像的特征向量，以每个历史图像为样