【技术实现步骤摘要】
基于卷积神经网络的农田土壤肥力评价方法
本专利技术涉及土壤肥力评价
,具体涉及一种基于卷积神经网络的农田土壤肥力评价方法。
技术介绍
传统农作物生长状况观测需要人为的现场观测,工作量大,且容易破坏农田。我国是世界上人口最多的国家,从古至今的农业生产模式主要以小规模劳作为主的传统农业生产、经营劳动模式。而传统的劳动模式农业生产率低、规模小、组织化程度低,导致我国当前农业生产劳动率产出不高,且目前我国农业资源利用效率低下,进一步加重了生态自然环境的恶化程度等一系列的问题。目前,现代化农业产品生产发展高效、精准培养、环保的经营模式是解决当前农业生产中诸多难题的主要出路。我国农业正处于从传统行业向现代化农业迅速推进的过程中,农业物联网是我国农业现代化的重要技术支撑。将通过各类传感器、视觉图像采集终端等感知设备获取的海量农业信息数据进行融合并通过智能化操作终端实现农业的自动化、最优化、智能化等处理,从而实现农业高产、优质、高效等目标。农业物联网技术的引进加快了我国农业逐渐朝着现代化智慧农业前进的脚步,农作物生产效率增加,生产模式多元化,使土地资源利用率达到最大化。物联网技术的成熟使农业可持续发展成为可能。农作物在生长过程中土壤的质量是至关重要的,而土壤的肥力是判断土壤质量的重要指标。目前的土壤肥力评价都是通过在农田中大量采集土壤样本,然后在实验室进行土壤理化性能分析来实现的;这种方法中不同样本的结果差异大,且每个样本只能反映某一小块的土壤性能,缺乏全局表征;更重要的是,目前的评价方法费时费力,需要大量劳动 ...
【技术保护点】
1.基于卷积神经网络的农田土壤肥力评价方法,其特征在于,包括以下步骤:/n步骤1,获取原始农田图像,并建立农田土壤肥力分类模型;/n其中,原始农田图像为彩色图片,包含茂密和稀疏两大类;/n步骤2,对每张原始农田图像即原始数据进行归一化处理,对应得到归一化后原始数据,对归一化后原始数据进行数据扩充,得到扩充数据,所述扩充数据和归一化后原始数据共同形成训练集;/n步骤3,采用训练集对农田土壤肥力分类模型进行训练,得到训练后的农田土壤肥力分类网络;/n步骤4,获取目标农田的多张图像作为待评价图片,将待评价图片输入训练后的农田土壤肥力分类网络,输出对应分类结果;将所有待评价图片的分类结果进行统计分析,得到目标农田的肥力评价等级。/n
【技术特征摘要】
1.基于卷积神经网络的农田土壤肥力评价方法,其特征在于,包括以下步骤:
步骤1,获取原始农田图像,并建立农田土壤肥力分类模型;
其中,原始农田图像为彩色图片,包含茂密和稀疏两大类;
步骤2,对每张原始农田图像即原始数据进行归一化处理,对应得到归一化后原始数据,对归一化后原始数据进行数据扩充,得到扩充数据,所述扩充数据和归一化后原始数据共同形成训练集;
步骤3,采用训练集对农田土壤肥力分类模型进行训练,得到训练后的农田土壤肥力分类网络;
步骤4,获取目标农田的多张图像作为待评价图片,将待评价图片输入训练后的农田土壤肥力分类网络,输出对应分类结果;将所有待评价图片的分类结果进行统计分析,得到目标农田的肥力评价等级。
2.根据权利要求1所述的基于卷积神经网络的农田土壤肥力评价方法,其特征在于,所述获取原始农田图像为通过无人机拍摄获取农作物生长的农田图像。
3.根据权利要求1所述的基于卷积神经网络的农田土壤肥力评价方法,其特征在于,所述农田土壤肥力分类模型包含输入层、多个卷积层、多个池化层、两个全连接层和输出层;每个卷积层对应的激活函数为relu,之后连接一个池化层;最后一个池化层输出的多维数据通过Flatten函数转化为一维数据后经过Dropout防止过拟合;第一层全连接层将所有的神经元连接起来,使用relu激活函数进行x=max[0,x]操作,第二层全连接层使用sofemax激活函数输出分类概率值;
其中,每个卷积层分别由多个卷积核和偏置组成,第一个卷积层的卷积核的通道数等于输入图片的通道数;每个卷积层分别用于提取每张图像的不同特征。
4.根据权利要求1所述的基于卷积神经网络的农田土壤肥力评价方法,其特征在于,所述归一化处理为对每张原始农田图像中的每个像素值乘以预设的缩放因子,使每张原始农田图像的像素值归一化至0到1之间。
5.根据权利要求1所述的基于卷积神经网络的农田土壤肥力评价方法,其特征在于,所述对归一化后原始数据进行数据扩充,具体为:对归一化后原始数据中的每个数据矩阵分别进行翻转变换、缩放变换、平移变换、尺度变换和错切变换,对应得到五组变换后的数据矩阵,即为扩充数据;
其中,所述翻转变换为沿着水平或者垂直方向翻转原始数据矩阵;所述缩放变换为按照设定比例反打或者缩小原始数据矩阵;所述平移变换为在图像平面上对归一化后的图像进行随机或者设定方式的平移,以改变图像内容的位置;...
【专利技术属性】
技术研发人员:冀汶莉,朱鹏飞,刘广财,
申请(专利权)人:西安科技大学,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。