一种基于卷积神经网络的植物长势模型的自反馈学习评估方法
基本信息
| 申请号 | CN202110156946.7 | 申请日 | - |
| 公开（公告）号 | CN113158750A | 公开（公告）日 | 2021-07-23 |
| 申请公布号 | CN113158750A | 申请公布日 | 2021-07-23 |
| 分类号 | G06K9/00（2006.01）I;G06K9/34（2006.01）I;G06K9/46（2006.01）I;G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 谷月;朱建至;余治梅;魏家威 | 申请（专利权）人 | 电凯（常州）新能源技术研究院有限公司 |
| 代理机构 | 上海远同律师事务所 | 代理人 | 胡志鸿;张坚 |
| 地址 | 213100江苏省常州市武进区常武中路18号常州科教城中科创业中心A-1-506室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及一种基于卷积神经网络的植物长势模型的自反馈学习评估方法，采集植物各个生长周期的图像数据样本集，搭建深度卷积神经网络并进行训练；连续采集植物生长各阶段的二维及三维图像；之后将所采集的二维及三维图像输入深度卷积神经网络，获得植物长势模型，并对植物长势模型进行迭代优化，以及获得当前的植物生长状况数据。该方法克服了现有的植物特征识别过程中，由于采用人工的方式进行植物识别所导致的识别效率低下及误差的问题，通过卷积神经网络的算法建模，可以精准识别植物生长状态。 |
