摘要
本发明公开了一种抗晚疫病番茄植株筛选方法,包括:获取番茄植株的俯视拍摄的冠层图像信息和侧视拍摄的植株整体图像;用俯视图像,训练U‑Net语义分割网络,得到病斑分割模型,建立植株冠幅计算方法;用侧视图像,训练YOLOv8‑pose网络,得到植株骨架提取模型,建立植株株高计算方法;用训练好的模型、建立的计算方法,处理接种晚疫病病菌后一段时间序列内的番茄植株图像,提取每个植株的病斑、骨架、株高、冠幅,并按照时间顺序排列,组成描述植株动态生长过程的时序表型特征信息;采用改进深度学习LSTM模型,建立以番茄植株的时序表型特征信息作为输入、以植株抗晚疫病等级为输出的番茄植株抗病性预测模型。本发明效率高、检测周期短、可靠性高。
技术关键词
双目相机
番茄
抗晚疫病
小车框架
筛选方法
表型特征
计算方法
升降平台
LSTM算法
语义分割网络
图像获取装置
步进电机驱动
工业相机
LSTM模型
时序
关键点
标注方法
分割方法
车轮
系统为您推荐了相关专利信息
病害检测方法
病害特征
特征金字塔
视频监控系统
语义特征
评估指标筛选方法
水质监测数据
集成学习算法
聚类分析法
优劣解距离法
参数测量方法
图像分割模型
双目相机
深度图
掩膜
分级筛选系统
分级筛选方法
多源异构数据融合
强化学习算法
视频流
分割方法
番茄采摘机器人
网络
通道注意力机制
图片