摘要
本发明公开一种基于深度学习的葡萄树体长势估计方法、系统、设备及介质,涉及智能农业技术领域。所述方法包括:获取葡萄树体图片;对所述葡萄树体图像进行预处理,并将预处理后的图像输入特征提取模型中进行识别,确定葡萄树体结构特征;所述特征提取模型是基于HRNet架构和空间线性自注意力机制构建的,包括多个不同分辨率特征提取的阶段,以及连接有一个多尺度特征融合模块;根据所述葡萄树体结构特征绘制节点和分支关联图;利用图论算法以及所述节点和分支关联图重建葡萄树的三维结构模型,展示葡萄树的空间布局,完成对葡萄树体的长势估计。本发明能够通过自动化树体长势识别,降低人工劳动强度。
技术关键词
特征提取模型
估计方法
关键特征点
图论算法
节点
分支
注意力机制
三维结构
分辨率
智能农业技术
特征匹配算法
关键点识别
图像采集单元
人工劳动强度
存储计算机程序
聚类
图片
电子设备
处理器
系统为您推荐了相关专利信息
时空关联关系
重构误差最小化
多模态
通信节点
光缆
三元组
模型训练方法
样本
计算机执行指令
预训练语言模型
节点
传输控制方法
链路
传输控制系统
卫星通信网络
智能陪护机器人
监控识别方法
血压
速率
关键特征点