摘要
本发明属于图像识别技术领域,具体提供了一种基于图像识别的作物物候期的自动观测方法,包括步骤:获取作物的若干个生长周期中的生长数据作为历史数据,生长数据包括作物若干个生长周期中作物不同生长阶段的外观数据;提取外观数据进行预处理;将外观数据输入已训练的神经网络来换成图像信息,利用机器学习算法将图像信息来训练物候期识别模型;获取当前作物的外观图像特征,并通过物候期识别模型对外观图像特征进行分析识别,基于物候期识别模型的分析识别结果,输出当前作物处于的生长阶段。通过获取若干个生长周期中的每个生长阶段的外观数据作为分析基础,可以减少人工的参与、减少观测的人为误差,提高观测准确性以及提高观测的效率。
技术关键词
自动观测方法
机器学习算法
纹理特征
气候
自动观测系统
阶段
融合特征
周期
数据获取模块
特征工程
图像转换模块
颜色
图像识别技术
模型训练模块
可读存储介质
特征提取模块
处理器
计算机设备
系统为您推荐了相关专利信息
电力系统监控
编码块
编码优化方法
视觉注意力网络
高频特征
测试方法
智能锁工作
工作状态参数
机器学习算法
时间段
语义
语句
信息搜索方法
计算机设备
计算机存储介质
电网运行管理
负荷管理方法
负荷预测模型
智能用电
节点
图像增强系统
双通道神经网络
图像压缩单元
视觉特征
图像增强模块