摘要
本发明涉及农作物检测技术领域,公开了一种基于图像的输送槽喂入量检测方法及检测系统,包括:获取物料经过光源模块照射后的历史透光图像;基于历史透光图像构建数据集,并构建透光率与喂入量相关的深度学习模型,通过构建的数据集对深度学习模型进行训练得到训练完成的深度学习模型;获取输送槽中物料的运输速度,基于运输速度确定视觉模块的图像采集间隔时间;图像采集间隔时间获取输送槽内物料经过光源模块照射后的原始透光图像,并对原始透光图像进行图像重叠拼接得到最终透光图像;通过将最终透光图像输入训练完成的深度学习模型中确定单位时间内输送槽的喂入量;本发明解决了现有的输送槽喂入量检测方法存在检测结果精度较低的问题。
技术关键词
霍尔传感器模块
深度学习模型
量检测方法
输送槽
图像
光源模块
数据处理模块
量检测系统
视觉
农作物检测技术
透光率
主动轴
速度
融合特征
空间金字塔
链条
电刷
系统为您推荐了相关专利信息
多模态技术
智能机器人
大语言模型
视觉传感器
图像
图像生成模型
图像生成方法
图像处理算法
样本
生成向量
人脸图像修复方法
图像修复模型
个性化特征
噪声图像
样本
图像特征提取方法
特征提取网络
粒子群优化算法
线性加权法
CT扫描图像
内窥镜模块
三维模型
影像
多模态图像信息
跟踪传感器