一种樱桃树冠层树枝生长状态的检测方法

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。

主权项

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。