摘要
本发明提供了茶叶种植技术领域的一种结合茶叶图像和环境数据的茶叶采摘时间预测方法,包括:步骤S1、采集大量的茶叶图像以及环境数据构建数据集;步骤S2、基于YOLOv8n网络创建一采摘时间预测模型,设定采摘时间预测模型的损失函数;YOLOv8n网络基于感受野卷积注意力模块、反向残差注意力模块、切片辅助超推理算法构建;步骤S3、通过数据集对采摘时间预测模型进行训练,训练过程中不断对超参数进行优化;步骤S4、基于F1分值、AUC、均方误差、均方根误差、平均绝对误差评估采摘时间预测模型的性能;步骤S5、通过采摘时间预测模型进行茶叶采摘时间的预测。本发明的优点在于:极大的提升了茶叶采摘时间预测的精度以及效率。
技术关键词
时间预测模型
时间预测方法
图像
数据
推理算法
注意力
空气温度传感器
空气湿度传感器
茶叶种植技术
光照强度传感器
土壤湿度传感器
误差
二氧化碳传感器
训练集
辐射传感器
置信度阈值
照度
新鲜茶叶
切片
背景噪声
系统为您推荐了相关专利信息
健康状态评估方法
风力发电机塔筒
数据
健康状态评估系统
倾角传感器
环境光
纹理模型
数据采集周期
三维图像模型
轨迹
医学图像分割
轻量化方法
分割医学图像
医学图像数据集
解码器
训练特征
模型训练方法
推荐方法
模型训练装置
样本