一种植物生长时间的识别方法及装置与流程

技术特征：
1.一种植物生长时间的识别方法，其特征在于，包括：获取包括第一植物的第一图片；将所述第一图片输入到图像分割网络，获取所述第一图片的感兴趣区域；将所述感兴趣区域输入到预设的神经网络模型中，通过神经网络模型提取感兴趣区域的绿度信息，并将所述绿度信息和所述神经网络模型生成的植物不同生长时间的绿度信息曲线进行比较，得到所述第一图片中第一植物所处的生长时间。2.根据权利要求1所述的一种植物生长时间的识别方法，其特征在于，所述获取包括第一植物的第一图片，具体为：获取一张包括第一植物的第二图片，调整所述第二图片的尺寸和分辨率，使所述第二图片符合用于训练所述神经网络模型的数据标准，得到第一图片。3.根据权利要求1所述的一种植物生长时间的识别方法，其特征在于，将所述第一图片输入到图像分割网络，获取所述第一图片的感兴趣区域，具体为：对所述第一图片进行剔除处理后，获得第一植物的第一范围；其中，所述第一范围为不包括天空、水源、动物、裸土和岩石的范围；采用图像分割网络从第一范围内提取第二范围，得到的第二范围为第一图片的感兴趣区域，其中，所述第二范围为第一范围的子集且小于第一范围。4.根据权利要求1所述的一种植物生长时间的识别方法，其特征在于，所述神经网络模型的建立方法包括：获取样本图片数据集；所述样本图片数据集中的每张图片均包括所述第一植物；将所述样本图片数据集输入到图像分割网络，获取样本图片数据集中每个图片的感兴趣区域；将所述样本图片数据集中的每个图片的感兴趣区域输入到回归结构的resnet神经网络，提取每个图片感兴趣区域的绿度信息并生成第一植物不同生长时间的绿度信息曲线。5.根据权利要求4所述的一种植物生长时间的识别方法，其特征在于，所述获取样本图片数据，具体为：获取初始图片数据集并对所述初始图片数据集进行筛选，去除图片数据集中被污染的图片，所述污染包括：雾气、水滴、光斑、动物足迹；将经过筛选的图片数据集的尺寸、分辨率进行归一化处理，得到样本图片数据集；其中所述样本图片数据集中的每张图片具有相同尺寸和分辨率。6.根据权利要求4所述的一种植物生长时间的识别方法，其特征在于，在获取样本图片数据集之后，所述神经网络模型的建立方法还包括：通过图像形态学变换增加所述样本图片数据集中的样本图片数量。7.根据权利要求6所述的一种植物生长时间的识别方法，其特征在于，所述通过图像形态学变换增加样本图片数据集中的样本数量，具体为：采用灰度变换、随机折叠变换、随机缩放变换、随机偏移变换、随机旋转变换和随机拉伸变换的图像形态学变换方法获得变换图片；选取变换图片的中心区域作为新增加的样本。8.根据权利要求4所述的一种植物生长时间的识别方法，其特征在于，所述提取每个图片感兴趣区域的绿度信息并生成第一植物不同生长时间的绿度信息曲线，具体为：
分别获取每个图片感兴趣区域中每个像素对应的dn值以及像素中红、绿、蓝波段dn值；根据每个图片中每个像素的dn值以及红、绿、蓝波段dn值得到每个图片的绿度信息；将获取到的所有绿度信息按照图片的时间顺序拟合为绿度信息曲线。9.一种植物生长时间的识别装置，其特征在于，包括：第一获取模块、第一处理模块和第二处理模块；所述第一获取模块，用于获取包括第一植物的第一图片；所述第一处理模块，用于将所述第一图片输入到图像分割网络，获取所述第一图片的感兴趣区域；所述第二处理模块，用于将所述感兴趣区域输入到预设的神经网络模型中，通过神经网络模型提取感兴趣区域的绿度信息，并将所述绿度信息和神经网络模型中植物不同生长时间的绿度信息曲线进行比较，得到所述第一图片中植物所处的生长时间。10.根据权利要求9所述的一种植物生长时间的识别装置，其特征在于，所述获取包括第一植物的第一图片，具体为：获取一张包括第一植物的第二图片，调整所述第二图片的尺寸和分辨率，使所述第二图片符合用于训练所述神经网络模型的数据标准，得到第一图片。

技术总结
本发明涉及植物物候识别技术领域，公开了一种植被生长时间的识别方法及装置，所述方法包括：获取包括第一植物的第一图片；将所述第一图片输入到图像分割网络，获取所述第一图片的感兴趣区域；将所述感兴趣区域输入到预设的神经网络模型中，通过神经网络模型提取感兴趣区域的绿度信息，并将所述绿度信息和所述神经网络模型生成的植物不同生长时间的绿度信息曲线进行比较，得到所述第一图片中第一植物所处的生长时间。有益效果：通过提取第一图片的绿度信息并将所述绿度信息和预设的神经网络所生成的绿度信息曲线进行比较，可以更加准确的判断第一图片中第一植物所处的生长时间。的判断第一图片中第一植物所处的生长时间。的判断第一图片中第一植物所处的生长时间。


技术研发人员：曹孟莹 辛秦川
受保护的技术使用者：中山大学
技术研发日：2021.07.06
技术公布日：2021/10/18