摘要
本发明提供了一种基于人工智能系统的土壤深松耕作方法,包括:获取土壤样品的可见光图像;使用卷积层和池化层提取出可见光图像的整体特征和局部特征;将整体特征和局部特征进行拼接得到全局特征,并将全局特征输入到深度学习网络中进行训练得到耕地土壤类型预测模型;使用所述耕地土壤类型预测模型确定目标耕地中的土壤类型;根据目标耕地中的土壤类型确定土壤深松耕作方式。本发明通过利用土壤样品的可见光图像对深度学习网络进行训练,可以更准确地确定目标耕地中的土壤类型,从而根据土壤类型确定适合的深松耕作方式,有助于改善土壤结构,增加土壤通气性和保水性,促进农作物生长。
技术关键词
土壤深松耕作方法
可见光图像
人工智能系统
深度学习网络
耕地土壤
亮度
导向滤波器
处理器
正则化参数
耕作方式
收发器
对比度
图像增强
存储器
像素
红绿蓝
系统为您推荐了相关专利信息
井壁图像
深度学习网络模型
构建深度学习网络
像素
无人机
材质识别方法
特征分布信息
调频连续波信号
特征提取方法
阻尼特征
人工智能系统
超声工作站
留存方法
视频传输
超声设备
LSTM神经网络模型
试井解释模型
卷积神经网络结构
sigmoid函数
时序
辅助交互方法
可穿戴设备
绘画
脑电信号分类
脑电电极