一种基于柑橘内部冻害的在线识别方法

技术领域

本发明涉及农业生产技术领域，特别涉及一种基于柑橘内部冻害的在线识别方法。

背景技术

随着科技水平的发展进步，越来越多的前沿技术被应用于农业生产中，目前，针对于柑橘果实的无损检测技术主要涉及有红外光谱识别、X光识别及基于机器学习的图像识别方法，但上述检测方法中，均是通过对柑橘图像的特征进行识别分析，进而来对柑橘内部果实品质进行判断，在检测识别过程中，并没有考虑环境因素的影响，导致在判定柑橘果实内部是否发生冻害时的准确率较低。为此，我们提出一种基于柑橘内部冻害的在线识别方法。

发明内容

本发明的主要目的在于提供一种基于柑橘内部冻害的在线识别方法，通过采集柑橘果实图像及实时环境信息进行预处理，提取图像数据库中发生内部冻害的柑橘果实图像特征作为输入进行预训练得到第一神经网络模型，提取参考环境信息中的特征参数作为输入进行预训练得到第二神经网络模型，并通过模型提取待识别图像中的图像特征向量及实时环境信息的环境特征向量，采用数据融合算法将图像特征向量与环境特征向量进行融合，根据特征向量融合结果判定待识别图像中的柑橘果实是否发生冻害。可以有效解决背景技术中的问题。

为实现上述目的，本发明采取的技术方案为：

一种基于柑橘内部冻害的在线识别方法，包括，

采集若干组柑橘果实图像，对采集的图像筛选后进行预处理，包括灰度化、几何变换、图像增强，获取待识别图像；

通过环境传感器采集在拍摄柑橘果实图像过程中的实时环境信息，实时环境信息和参考环境信息包括温度值、湿度值、光照强度值、单位时间内的温度变化量、湿度变化量、光照变化量中的至少一种，根据格拉布斯准则对获取的实时环境信息进行预处理，设置格拉布斯准则的数据临界值，剔除实时环境信息中大于数据临界值的粗数据，其中，

格拉布斯准则的统计值表达式为：

其中，T

获取发生内部冻害的柑橘果实图像，构建图像数据库，提取图像数据库中发生内部冻害的柑橘果实图像特征作为输入进行预训练得到第一神经网络模型，图像特征包括果形参数、颜色参数及纹理参数，其中，

果形参数包括形状特征及轮廓特征，具体为单果面积值、果实外轮廓周长值、长径值、短径值、长径与短径比值、圆度中的至少一种；

颜色参数包括HSV值、HSI值、RGB值中的至少一种；

纹理参数包括纹理的亮度水平、纹理的对比度、纹理的复杂度、纹理的方向性、纹理密度、纹理连通性中的至少一种所述第一神经网络模型根据训练结果和实际报警结果的误差调整模型的隐含层数量至准确率不低于第一期望值，其中，第一期望值的计算公式为，

其中，E(Y)

获取采集发生内部冻害的柑橘果实图像时的参考环境信息，提取参考环境信息中的特征参数作为输入进行预训练得到第二神经网络模型，所述第二神经网络模型根据训练结果和实际报警结果的误差调整模型的隐含层数量至准确率不低于第二期望值，第二期望值的计算公式为，

其中，E(Y)

采用数据融合算法将图像特征向量与环境特征向量进行融合，获取融合特征向量，根据特征向量融合结果判定待识别图像中的柑橘果实是否发生冻害。

本发明具有如下有益效果：

(1)与现有技术相比，本发明技术方案提出的识别方法，通过采集柑橘果实图像，对采集的图像筛选后进行预处理，获取待识别图像，通过环境传感器采集在拍摄柑橘果实图像过程中的实时环境信息，根据格拉布斯准则对获取的实时环境信息进行预处理，设置格拉布斯准则的数据临界值，剔除实时环境信息中大于数据临界值的粗数据，并获取发生内部冻害的柑橘果实图像构建图像数据库，提取图像数据库中发生内部冻害的柑橘果实图像特征作为输入进行预训练得到第一神经网络模型，根据构建的第一神经网络模型提取待识别图像中的图像特征向量，采集发生内部冻害的柑橘果实图像时的参考环境信息，提取参考环境信息中的特征参数作为输入进行预训练得到第二神经网络模型，根据构建的第二神经网络模型提取实时环境信息的环境特征向量，采用数据融合算法将图像特征向量与环境特征向量进行融合，根据特征向量融合结果判定待识别图像中的柑橘果实是否发生冻害，基于图像识别及数据融合技术，将由传感器获取的环境信息特征与柑橘图像特征进行融合，是对柑橘外部图像及环境信息进行的综合分析，从而对柑橘内部果实是否发生冻害进行判定，能够提高识别结果的准确率。

附图说明

图1为本发明一种基于柑橘内部冻害的在线识别方法的流程图。

具体实施方式

下面结合具体实施方式对本发明作进一步的说明，其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制，为了更好地说明本发明的具体实施方式，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸。

实施例1

如图1所示的一种基于柑橘内部冻害的在线识别方法的流程图。

本发明技术方案提出的识别方法的具体实施步骤如下：

步骤一，采集若干组柑橘果实图像，对采集的图像筛选后进行预处理，包括灰度化、几何变换、图像增强，获取待识别图像；

需要说明的是，在采集过程中，应尽量在自然光照下拍摄柑橘树冠图像，并采集树冠下方含阴影的果实，为便于后续神经网络模型的训练，采集时可以在不同距离下进行柑橘图像的拍摄，采集的环境最好是包括阴天、晴天，涵盖顺光、逆光等多种光照情况，获取图像后，利用Matlab工具对原始数据集进行数据扩增，通过采用随机翻转、局部裁剪、长宽缩放、限制对比度自适应直方图均衡化、中值滤波、加入高斯噪声、加入伽马噪声等方法进行数据增强，获取待识别图像；

进一步的，可以在柑橘果园中设置若干组摄像头，并调节摄像头的拍摄角度，使其对柑橘树冠部位进行拍摄，拍摄的图像可以通过通信设备进行发送，已实现远程检测；

步骤二，通过环境传感器采集在拍摄柑橘果实图像过程中的实时环境信息，需要说明的是，如步骤一中可以在柑橘果园中设置若干组摄像头对柑橘树冠部位进行拍摄，同理，可以在果园中设置传感器获取实施环境信息，传感器的数据可以通过通信设备进行发送，已实现远程检测，实时环境信息和参考环境信息包括温度值、湿度值、光照强度值、单位时间内的温度变化量、湿度变化量、光照变化量中的至少一种，根据格拉布斯准则对获取的实时环境信息进行预处理，设置格拉布斯准则的数据临界值，剔除实时环境信息中大于数据临界值的粗数据，其中，

格拉布斯准则的统计值表达式为：

其中，T

步骤三，获取发生内部冻害的柑橘果实图像，获取的方法同步骤一中采集柑橘果实图像的操作，再此不再赘述，根据获取的发生内部冻害的柑橘果实图像构建图像数据库，提取图像数据库中发生内部冻害的柑橘果实图像特征作为输入进行预训练得到第一神经网络模型，图像特征包括果形参数、颜色参数及纹理参数，其中，

果形参数包括形状特征及轮廓特征，具体为单果面积值、果实外轮廓周长值、长径值、短径值、长径与短径比值、圆度中的至少一种；

颜色参数包括HSV值、HSI值、RGB值中的至少一种；

纹理参数包括纹理的亮度水平、纹理的对比度、纹理的复杂度、纹理的方向性、纹理密度、纹理连通性中的至少一种所述第一神经网络模型根据训练结果和实际报警结果的误差调整模型的隐含层数量至准确率不低于第一期望值，其中，第一期望值的计算公式为，

其中，E(Y)

步骤四，获取采集发生内部冻害的柑橘果实图像时的参考环境信息，提取参考环境信息中的特征参数作为输入进行预训练得到第二神经网络模型，所述第二神经网络模型根据训练结果和实际报警结果的误差调整模型的隐含层数量至准确率不低于第二期望值，第二期望值的计算公式为，

其中，E(Y)

步骤五，采用数据融合算法将图像特征向量与环境特征向量进行融合，获取融合特征向量，根据特征向量融合结果判定待识别图像中的柑橘果实是否发生冻害；

需要说明的是，在此步骤中，可以选用现有技术中的YOLO数据融合模型取用add并行策略将两组特征向量，即图像特征向量与环境特征向量进行融合，获得一组融合后的特征向量，此组向量特征中，融合了第二神经网络模型提取实时环境信息的环境特征向量与第一神经网络模型提取待识别图像中的图像特征向量，在现有的图像识别技术基础上加入了环境因素，使判定策略更贴合于实际情况，有利于提高柑橘内部冻害识别的准确率。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。