【技术实现步骤摘要】
本专利技术涉及粮经作物精准监测管理领域，尤其涉及一种智能化茶芽检测系统与管理方法。
技术介绍
1、茶叶是我国一种重要的经济作物。茶芽的生长速度、长度、重量以及单位面积内茶芽的数量和密度等指标，与判断茶叶开采时间、估测产量、确定剪枝施肥时间等农事操作密切相关。然而，目前这些指标的获取或判断方法大多依赖于人工测量或经验，存在费时费力、效率低下、缺乏统一标准等问题，难以满足大规模茶园管理的需求。因此，迫切需要一种智能高效的茶芽检测与管理方法，以提高茶叶各项数据采集的效率、规范采摘标准、增强茶园管理效能。
2、尽管国内外有不少研究者选择使用深度学习模型来识别茶芽，但现有研究的重心大多集中在茶芽识别算法的改进或自动采茶设备的研发上，鲜有涉及茶园规范化管理的实际应用。此外，在茶芽识别算法的研究中，大部分研究者将不同生长时期、不同形态的茶芽笼统地划分为一类，或者仅划分为单芽、一芽一叶、一芽二叶等，这些研究大多聚焦于开采期的茶芽，仅能计算茶芽数量或确认采摘点，而不能检测处于其他生长阶段或形态的茶芽。因此，现有技术无法提供更丰富的茶叶生长信息和产量信息，也无法指导更广泛的农事操作。
3、基于以上背景，本专利技术创造性地提出了一种智能化茶芽检测系统与管理方法。该方法通过前期广泛收集并整理来自不同品种、不同季节以及同一季节不同生长阶段的茶芽图像数据，构建了高效精准的茶芽识别模型和茶芽长度估测模型，并将这些模型部署至云平台。借助云平台的管理系统，本专利技术能够实现对茶芽生长状态的实时监控、产量估测和智能决策，为茶园科学化管理提供
技术实现思路
1、本专利技术的目的是为了解决现有技术中人工测量效率低下、缺乏统一标准、无法提供全面的生长信息的问题而提出的一种智能化茶芽检测系统与管理方法。
2、为了实现上述目的，本专利技术采用了如下技术方案：一种智能化茶芽检测系统与管理方法，包括以下步骤：
3、步骤s1，在茶园中采用不同视觉设备采集不同品种、不同季节、不同生长阶段的茶树茶芽图像数据；
4、步骤s2，对采集到的图像数据进行预处理，使用图像处理算法删除模糊不清的图像，裁剪出有明显茶芽特征的图像；
5、步骤s3，使用labelimg对不同生长阶段的茶芽进行标注，构建茶芽检测模型的数据集；
6、步骤s4，基于标注后的数据集，通过yolov10进行预训练、正式训练和优化，保存最优的权重文件；
7、步骤s5，在茶园中固定多个摄像头，定期拍摄茶芽图像并测量茶芽长度，运用线性回归模型构建茶芽长度估测模型；
8、步骤s6，通过云平台整合茶芽检测模型、茶芽长度估测模型、茶芽生长数据和产量数据，实现对茶园茶芽的智能化检测管理。
9、进一步地，其中在步骤s1中，还包括如下子步骤：
10、s1-1，在茶园中使用固定摄像头、移动设备和物联网设备进行图像采集，所述固定摄像头用于定期自动拍摄，所述移动设备用于人工拍摄，所述物联网设备用于实时监测茶园的环境数据；
11、s1-2，设置摄像头的拍摄角度和频率，所述拍摄角度为摄像头倾斜向下拍摄，所述频率为每间隔1小时自动捕捉茶园图像并保存；
12、s1-3，每周一次使用移动设备拍摄近距离的茶芽图像，角度、距离随机，并通过物联网设备记录采集图像时的环境数据和时间段，所述环境数据包括气温、土壤湿度、降雨量、风速和风向、光照强度、辐射量和气压，所述时间段为一天“7：00-18：00”中不同的时间段；
13、s1-4，确定采集茶树茶芽时的品种、季节和生长阶段，所述品种包括福鼎大白和三花1951，所述季节包括春季、夏季、秋季，所述生长阶段包括萌动期、单芽、一芽一叶、一芽二叶、驻芽期。
14、进一步地，其中在步骤s2中，还包括如下子步骤：
15、s2-1，使用图像处理算法删除模糊不清的、无茶芽明显特征的图像，保留能够肉眼识别出茶芽的图像；
16、s2-2，使用图像处理算法裁剪出一部分有明显茶芽特征的清晰图像，将这部分数据集命名为a，并将剩余的数据集命名为b。
17、进一步地，其中在步骤s3中，还包括如下子步骤：
18、s3-1，使用labelimg标注不同类别的茶芽，根据不同生长阶段，将茶芽分为萌动期、单芽、一芽一叶、一芽二叶、驻芽期五个类别；
19、s3-2，标注萌动期、单芽和驻芽期的图像时，标注框刚好框住芽生长底端至芽顶端；
20、s3-3，标注一芽一叶/一芽二叶的图像时，标注框刚好框住最新一片/两片展开叶最下端生长点至芽顶端；
21、s3-4，将数据集a的标记文件和原始图像保存为预训练数据集，数据集b的标注完成的文件和原始图像按照7：2：1的比例划分为训练集、验证集和测试集。
22、进一步地，其中在步骤s4中，还包括如下子步骤：
23、s4-1，基于预处理后的数据集a，利用yolov10系列模型的s、m、l、x四个不同变体模型进行预训练，选用map50（平均精度均值）和每秒帧率fps作为评价模型性能的指标；
24、s4-2，预训练后，根据map50和fps指标，选择性能最优的yolov10m模型变体，并保存其权重文件（pta1）；
25、s4-3，以pta1作为初始权重文件，基于数据集b对yolov10m模型进行正式训练，通过调整超参数，优化模型参数，得到最优权重文件（ptb1）；
26、s4-4，对训练后的yolov10m模型进行优化，保存优化后的最优权重文件（ptbn），所述优化包括对骨干网络进行轻量化设计、改进损失函数、对模型进行剪枝。
27、进一步地，其中在步骤s5中，还包括如下子步骤：
28、s5-1，在茶园中固定多个摄像头，所述摄像头的镜头最低点高度与茶园初始冠层高度在同一水平线上，所述摄像头的镜头方向与茶叶枝条的生长方向垂直，所述摄像头仅拍摄一个茶芽；
29、s5-2，设置每个摄像头在每天的两个不同时间点各连续拍摄100张茶芽图像并保存，形成数据集c(i)，同时在这些时间点使用刻度尺测量对应摄像头范围内的茶芽长度，取三次读数的平均值作为茶芽的真实长度y(i)；
30、s5-3，利用优化后的yolov10m网络模型对数据集c(i)中的茶芽图像进行检测，获取预测框的坐标值，得到茶芽的像素高度值x(i)；
31、s5-4，在不同的摄像头与茶芽的距离下，对茶芽的真实长度y(i)与像素高度值x(i)进行相关性分析，选择相关性最大的距离dj；
32、s5-5，在距离dj下，构建茶芽的真实长度y(i)与像素高度值x(i)之间的线性回归模型，公式如下：
33、其中，k和b为线性回归模型的参数，用于根据茶芽的像素高度x(i)估测其真实长度y(i)。
34、进一步地，其中在步骤s6中，还包括如下子步骤：
3本文档来自技高网...
【技术保护点】
1.一种智能化茶芽检测与管理方法，其特征在于，该方法包括：
2.如权利要求1所述的一种智能化茶芽检测与管理方法，其特征在于：
3.如权利要求1所述的一种智能化茶芽检测与管理方法，其特征在于：
4.如权利要求1所述的一种智能化茶芽检测与管理方法，其特征在于：
5.如权利要求1所述的一种智能化茶芽检测与管理方法，其特征在于：
6.如权利要求1所述的一种智能化茶芽检测与管理方法，其特征在于：
7.如权利要求1所述的一种智能化茶芽检测与管理方法，其特征在于：
8.一种智能化茶芽检测系统，其特征在于，包括：
【技术特征摘要】
1.一种智能化茶芽检测与管理方法，其特征在于，该方法包括：
2.如权利要求1所述的一种智能化茶芽检测与管理方法，其特征在于：
3.如权利要求1所述的一种智能化茶芽检测与管理方法，其特征在于：
4.如权利要求1所述的一种智能化茶芽检测与管理方法，其特征在于：<...
【专利技术属性】
技术研发人员：杨峰，张洁，彭海林，朱亚宁，朱肖阳，谭礼强，汤丹丹，李坤鸿，谭先明，吴雨珊，张植焰，蓝艺，杨宸尧，
申请(专利权)人：四川农业大学，
类型：发明
国别省市：
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。