基于神经网络模型的竹种智能识别方法和系统与流程

技术特征：
1.一种基于神经网络模型的竹种智能识别方法，其特征在于，所述识别方法包括：获取待测竹种图像；基于神经网络模型对所述待测竹种图像进行识别，获取所述待测竹种图像的竹种识别结果；其中，所述神经网络模型通过训练集数据完成训练，所述训练集数据为标注出形态学特征的竹种图像。2.根据权利要求1所述的基于神经网络模型的竹种智能识别方法，其特征在于，所述竹种图像中标注的形态学特征，包括：竹竿、叶和笋的边缘轮廓特征、纹理特征和颜色特征。3.根据权利要求2所述的基于神经网络模型的竹种智能识别方法，其特征在于，所述竹竿、叶和笋的边缘轮廓特征、纹理特征和颜色特征，包括：竿环的隆起程度特征、颜色特征，箨环的隆起程度特征、被毛与被粉特征、残留物特征，箨舌的形状特征、大小特征、颜色特征、被毛与被粉特征，箨耳的大小特征、形状特征、颜色特征、被毛与被粉特征。4.根据权利要求1所述的基于神经网络模型的竹种智能识别方法，其特征在于，所述竹种图像通过标准化程序拍摄获取。5.根据权利要求4所述的基于神经网络模型的竹种智能识别方法，其特征在于，所述标准化程序包括：拍摄时，采用预设的相机、镜头，依照大型竹、中型竹、小型竹、地被竹的分级标准，对于不同等级的拍摄对象采用相应的预设的拍摄距离。6.根据权利要求1所述的基于神经网络模型的竹种智能识别方法，其特征在于，所述获取所述待测竹种图像的竹种识别结果，之后包括：获取对竹种识别结果的质疑；确认对竹种识别结果的质疑为真；将所述待测竹种图像重新标注形成的样本数据添加入所述训练集数据，触发所述神经网络模型的再训练。7.根据权利要求1-6中任一所述的基于神经网络模型的竹种智能识别方法，其特征在于，所述神经网络模型为yolo模型。8.一种基于神经网络模型的竹种智能识别系统，其特征在于，所述识别系统包括：获取模块，所述获取模块获取待测竹种图像；识别模块，所述识别模块基于神经网络模型对所述待测竹种图像进行识别，获取所述待测竹种图像的竹种识别结果；其中，所述神经网络模型通过训练集数据完成训练，所述训练集数据为标注出形态学特征的竹种图像。9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述基于神经网络模型的竹种智能识别方法的步骤。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述基于神经网络模型的竹种智能识别方法的步骤。

技术总结
本发明提供一种基于神经网络模型的竹种智能识别方法和系统，所述识别方法获取待测竹种图像；基于神经网络模型对所述待测竹种图像进行识别，获取所述待测竹种图像的竹种识别结果；其中，所述神经网络模型通过训练集数据完成训练，所述训练集数据为标注出形态学特征的竹种图像。通过形态学特征提取和智能识别神经网络模型，实现竹种的机器视觉识别。实现竹种的机器视觉识别。实现竹种的机器视觉识别。


技术研发人员：田根林 岳祥华 汪紫微 黎静 朱平 易武坤 王汉坤
受保护的技术使用者：国际竹藤中心
技术研发日：2022.01.12
技术公布日：2022/5/5