【技术实现步骤摘要】
本专利技术涉及林业应用与推广，尤其涉及一种基于可见光图像的毛竹年龄判别方法。
技术介绍
1、毛竹作为经济竹种，因其生长速度快、产量高、伐期短、用途广泛的特点，在生态功能和经济效益方面具有显著优势。由于毛竹具于地下茎潜向生长出笋成竹的生物学特点，毛竹林形成了特殊的异龄林经营模式。精准识别不同年龄的毛竹，是毛竹科学采伐与经营的关键，也是保障毛竹资源持续性供给、促进毛竹产业健康发展的关键基础。
2、然而受农村劳动力输出、林农断层以及新型林农知识结构演化等影响，传统经验判定年龄的状况已然难以持续：现有的毛竹年龄判别方法依赖于人工调查，受制于调查人员对毛竹的认识经验与技术水平，调查结果通常会存在较大偏差。此外，目前仍没有一种较为简便且精确的技术手段用于毛竹年龄的判别，难以满足现代毛竹经营管理的需求。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于可见光图像的毛竹年龄判别方法，以易于获取的可见光图像作为关键，借助对图像的分析处理，做到快速、精准估测毛竹的年龄参数来判别毛竹年龄，便于竹农实际操作，提高工作的精度与效率。
2、本专利技术具体采用以下技术方案：
3、一种基于可见光图像的毛竹年龄判别方法：基于毛竹的可见光图像构建数据集；通过训练获得的毛竹目标检测模型进行目标检测，以提取出图像中的毛竹区域；再通过图像分割模型对所提取的图像进行细致分割，得到可见光图像中的毛竹竹杆，建立用于毛竹年龄判别模型构建的数据集；进一步预处理后，通过训练获得的毛竹年龄
4、进一步地，所述毛竹目标检测模型采用yolov8。
5、进一步地，所述图像分割模型采用sam。
6、进一步地，所述预处理包括：限制对比度自适应直方图均衡化，以重新分配像素强度值，通过对图像中局部区域进行对比度增强，引入限制阈值参数增强图像中竹杆的颜色对比度；以及对图像信息进行扰动、张量化以及归一化。
7、进一步地，所述年龄判别模型以resnet-101残差网络为基线网络，对网络的前两块参数进行冻结，对第三、四块以及输出部分的网络参数进行训练，并将网络的输出部分替换为自适应平均池化层、两层相邻的全连层，输出类别数为4。
8、进一步地，使用label smoothing regularization 标签正则化技术对所述年龄判别模型的数据集中的标签进行平滑处理。
9、进一步地，所述年龄判别模型引入focal loss作为损失函数的一部分。
10、进一步地，对所述所述年龄判别模型的训练过程包括：
11、设置预训练模型路径、数据集读取路径，使用随机梯度下降法sgd作为优化算法，设定学习率、学习率变化次数、权重衰减系数；
12、引入gradcam算法，通过在图像中可视化模型的权重参数，以达到查看模型训练的关注区域的作用，并结合模型的相关指标对模型参数进行调优；
13、对比查看训练所得的模型，选取指标最优的模型作为训练最佳模型；
14、使用训练完成的模型对测试集的样本进行预测推理，以对年龄判别模型进行验证。
15、以及，一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的一种基于可见光图像的毛竹年龄判别方法的步骤。
16、一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述的一种基于可见光图像的毛竹年龄判别方法的步骤。
17、与现有技术相比，本专利技术及其优选方案至少具有如下有益效果：
18、（1）能够快速、精准判别毛竹的年龄，能够帮助林农与林业管理部门提高工作效率，推进毛竹参数智能化监测发展；（2）相较传统人工判别毛竹年龄方法，使用了科学的方法替代人工经验判定，即使不具有相应经验的林农也能够简便的使用本方案进行快速精准判定。（3）数据获取简单，对于原始数据的采集的具体实施过程中，通过手机或带有可见光采集功能的设备即可实现，适合作为推动毛竹参数智能自动化监测的基础与革新技术。
本文档来自技高网...【技术保护点】
1.一种基于可见光图像的毛竹年龄判别方法，其特征在于：基于毛竹的可见光图像构建数据集；通过训练获得的毛竹目标检测模型进行目标检测，以提取出图像中的毛竹区域；再通过图像分割模型对所提取的图像进行细致分割，得到可见光图像中的毛竹竹杆，建立用于毛竹年龄判别模型构建的数据集；进一步预处理后，通过训练获得的毛竹年龄判别模型进行毛竹年龄判别。
2.根据权利要求1所述的一种基于可见光图像的毛竹年龄判别方法，其特征在于：所述毛竹目标检测模型采用YOLOv8。
3.根据权利要求1所述的一种基于可见光图像的毛竹年龄判别方法，其特征在于：所述图像分割模型采用SAM。
4.根据权利要求1所述的一种基于可见光图像的毛竹年龄判别方法，其特征在于：所述预处理包括：限制对比度自适应直方图均衡化，以重新分配像素强度值，通过对图像中局部区域进行对比度增强，引入限制阈值参数增强图像中竹杆的颜色对比度；以及对图像信息进行扰动、张量化以及归一化。
5.根据权利要求1所述的一种基于可见光图像的毛竹年龄判别方法，其特征在于：所述年龄判别模型以ResNet-101残差网络为基线网
6.根据权利要求1所述的一种基于可见光图像的毛竹年龄判别方法，其特征在于：使用Label Smoothing Regularization 标签正则化技术对所述年龄判别模型的数据集中的标签进行平滑处理。
7.根据权利要求1所述的一种基于可见光图像的毛竹年龄判别方法，其特征在于：所述年龄判别模型引入Focal Loss作为损失函数的一部分。
8.根据权利要求1所述的一种基于可见光图像的毛竹年龄判别方法，其特征在于：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8任一项所述的一种基于可见光图像的毛竹年龄判别方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-8任一项所述的一种基于可见光图像的毛竹年龄判别方法的步骤。
...【技术特征摘要】
1.一种基于可见光图像的毛竹年龄判别方法，其特征在于：基于毛竹的可见光图像构建数据集；通过训练获得的毛竹目标检测模型进行目标检测，以提取出图像中的毛竹区域；再通过图像分割模型对所提取的图像进行细致分割，得到可见光图像中的毛竹竹杆，建立用于毛竹年龄判别模型构建的数据集；进一步预处理后，通过训练获得的毛竹年龄判别模型进行毛竹年龄判别。
2.根据权利要求1所述的一种基于可见光图像的毛竹年龄判别方法，其特征在于：所述毛竹目标检测模型采用yolov8。
3.根据权利要求1所述的一种基于可见光图像的毛竹年龄判别方法，其特征在于：所述图像分割模型采用sam。
4.根据权利要求1所述的一种基于可见光图像的毛竹年龄判别方法，其特征在于：所述预处理包括：限制对比度自适应直方图均衡化，以重新分配像素强度值，通过对图像中局部区域进行对比度增强，引入限制阈值参数增强图像中竹杆的颜色对比度；以及对图像信息进行扰动、张量化以及归一化。
5.根据权利要求1所述的一种基于可见光图像的毛竹年龄判别方法，其特征在于：所述年龄判别模型以resnet-101残差网络为基线网络，...
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。