摘要
本申请涉及计算机机器视觉技术领域,公开了一种植物生长状况监测方法、系统、设备及存储介质,该方法包括:获取目标植物图像,将预处理后的目标植物图像输入改进的YOLOv9模型(包括主干网络、特征融合网络和预测分类网络),得到目标植物检测图像;通过主干网络对预处理后的目标植物图像进行特征提取,得到植物多尺度特征;通过特征融合网络对植物多尺度特征进行特征转换、分支处理和特征融合,得到植物融合特征;通过预测分类网络对植物融合特征进行分类处理,得到目标植物检测图像;将目标植物检测图像输入图像语义分割模型(包括图像超分辨率网络和图像分割网络),得到植物二值图像。该方法有效提升了植物生长状况监测的准确性。
技术关键词
融合特征
图像语义分割模型
特征融合网络
多尺度特征
图像分割网络
图像超分辨率
全卷积神经网络
分类网络
转换单元
计算机机器视觉技术
植物生长状况监测
模块
电子设备
可读存储介质
上采样
系统为您推荐了相关专利信息
电力系统信息安全
时间序列特征
物理
传输方法
指纹
文字识别方法
工程图纸
非易失性存储介质
序列
钢筋
面向多任务
多任务学习模型
推理方法
融合特征
场景