【摘要】 本发明公开了一种樱桃树冠层树枝生长状态的检测方法，包括以下步骤：(1)分别采集若干个不同生长状态的樱桃树冠层树枝样本的近红外图像；(2)对近红外图像进行快速傅里叶变换，得到近红外图像的二维空间频率谱，将该二维空间频率谱分为10～25个等面积的圆环，并求得每个圆环的频率谱值；(3)遍历所有樱桃树冠层树枝样本，分别得到与每个樱桃树冠层树枝样本相对应的频率谱值；所述频率谱值为输入，以对应的樱桃树冠层树枝样本的生长状态为输出，建立模型；(4)获取与待测樱桃树冠层树枝相对应的频率谱值，代入所述模型，得到待测樱桃树冠层树枝的生长状态。本发明可实现对樱桃树冠层树枝生长状态进行快速、准确的检测。 【专利类型】发明授权 【申请人】浙江大学 【申请人类型】学校 【申请人地址】310027 浙江省杭州市西湖区浙大路38号 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210224548.5 【申请日】2012-07-02 【申请年份】2012 【公开公告号】CN102749290B 【公开公告日】2014-12-03 【公开公告年份】2014 【授权公告号】CN102749290B 【授权公告日】2014-12-03 【授权公告年份】2014.0 【IPC分类号】G01N21/25 【发明人】邵咏妮; 何勇 【主权项内容】一种樱桃树冠层树枝生长状态的检测方法，其特征在于，包括以下步骤：(1)分别采集若干个不同生长状态的樱桃树冠层树枝样本的近红外图像；所述樱桃树冠层树枝样本的数量为60～90个；所述近红外图像的分辨率是1920×1080；所述近红外图像是在波长为780～1100nm的近红外波段获取的图像，所述樱桃树为处于生长旺盛期的樱桃树；近红外图像的采集距离为2～3m；(2)将近红外图像进行背景去除图像预处理后，对近红外图像进行快速傅里叶变换，得到近红外图像的二维空间频率谱，将该二维空间频率谱均匀地分为20个等面积圆环，并求得每个圆环的频率谱值；(3)遍历所有樱桃树冠层树枝样本，分别得到与每个樱桃树冠层树枝样本相对应的频率谱值；以所述频率谱值为输入，以对应的樱桃树冠层树枝样本的生长状态为输出，建立模型；所述模型的建立采用三层BP神经网络算法，所述三层BP神经网络的隐含层结点数为12；输入层结点数为20，输出层结点数为3，设定三层BP神经网络算法的最小训练速率为0.1，动态参数为0.9，数据转换方式为标准化变换，最大迭代次数为1000次；输出列中包括Y1、Y2和Y3，Y1、Y2和Y3依次为1、0、0代表不充分剪枝状态；Y1、Y2和Y3依次为0、1、0代表适宜剪枝状态；Y1、Y2和Y3依次为0、0、1代表过度剪枝状态；(4)根据步骤(1)和(2)获取与待测樱桃树冠层树枝相对应的频率谱值，代入所述模型，通过模型的输出数据，根据以下原则来确定待测樱桃树冠层树枝的模型预测生长状态：若Y1的预测结果在0.5～1.5之间，Y2和Y3数据在-0.5～0.5之间，则判定为未充分剪枝状态；若Y2的预测结果在0.5～1.5之间，Y1和Y3数据在-0.5～0.5之间，则判定为适宜剪枝状态；若Y3的预测结果在0.5～1.5之间，Y1和Y2数据在-0.5～0.5之间，则判定为过度剪枝状态。 【当前权利人】浙江大学 【当前专利权人地址】浙江省杭州市西湖区浙大路38号 【专利权人类型】公立 【统一社会信用代码】12100000470095016Q 【引证次数】7.0 【自引次数】4.0 【他引次数】3.0 【家族引证次数】14.0 【家族被引证次数】8

未经允许不得转载：http://www.zhongzhencnc.com/1791563321.html