【技術實現步驟摘要】
本申請涉及視覺識別，尤其涉一種茶葉嫩芽的檢測識別方法、裝置、設備及存儲介質。
技術介紹
1、“互聯網+農業”興起的浪潮下，智能技術在農業領域也已成為一種新的生產方式。我國有著悠久茶文化發展史，茶葉經濟在推動地區經濟建設方面發揮著極其重要的作用。但茶葉生產成本在不斷攀升，其成本的主要環節就源于茶葉采摘，在茶葉發展史中，人們對于如何高效采茶在不停的探索。
2、目標識別與檢測是計算機視覺和數字圖像處理的一個熱門方向，廣泛應用于機器人導航、智能視頻監控、工業檢測、航空航天等諸多領域，通過計算機視覺減少對人力資本的消耗，具有重要的現實意義。目前主流的人工智能技術實現自動采茶的方案因為穩定性和成本考慮多為工控機控制。
3、但是，由于茶葉生長姿態萬千，嫩芽隨機分布、互相遮擋，以及在不同時間天氣下帶來的光照因素、風力因素、降雨因素都影響著對嫩芽的識別與檢測，現有的人工智能技術在茶葉嫩芽識別時具有識別速度慢，識別精度低的問題。
技術實現思路
1、有鑒于此，有必要提供一種茶葉嫩芽的檢測識別方法、裝置、設備及存儲介質，用以解決由于茶葉生長姿態萬千，嫩芽隨機分布、互相遮擋，在不同時間天氣下帶來的光照因素、風力因素、降雨因素導致在茶葉嫩芽識別時具有識別速度慢，識別精度低的問題。
2、為達到上述技術目的，本申請采取了以下技術方案：
3、第一方面，本申請提供了一種茶葉嫩芽的檢測識別方法，包括：
4、采集待識別茶葉嫩芽圖像并根據待識別茶葉嫩芽圖像確定茶葉
5、根據待識別茶葉嫩芽圖像和茶葉品種確定滿足預設茶葉嫩芽質量閾值的茶葉嫩芽圖像數據集；
6、基于茶葉嫩芽圖像數據集進行深度強化學習網絡訓練得到茶葉嫩芽檢測識別模型；
7、將茶葉嫩芽圖像數據集輸入至茶葉嫩芽檢測識別模型進行茶葉嫩芽識別，并確定茶葉嫩芽的位置信息。
8、在一種可能的實現方式中，根據待識別茶葉嫩芽圖像和茶葉品種確定滿足預設茶葉嫩芽質量閾值的茶葉嫩芽圖像數據集，包括：
9、根據待識別茶葉嫩芽圖像的像素情況確定茶葉嫩芽密度；
10、對茶葉品種進行分類評價確定茶葉品種等級；
11、根據茶葉嫩芽密度和茶葉品種等級計算得到茶葉嫩芽評價值；
12、根據茶葉嫩芽評價值和預設茶葉嫩芽質量閾值篩選得到茶葉嫩芽圖像數據集。
13、在一種可能的實現方式中，根據茶葉嫩芽密度和茶葉品種等級計算得到茶葉嫩芽評價值，包括：
14、建立初始茶葉嫩芽質量評價模型；
15、對初始茶葉嫩芽質量評價模型進行訓練得到目標茶葉嫩芽質量評價模型；
16、將茶葉嫩芽密度和茶葉品種等級輸入至目標茶葉嫩芽質量評價模型得到茶葉嫩芽評價值。
17、在一種可能的實現方式中，基于茶葉嫩芽圖像數據集進行深度強化學習網絡訓練得到茶葉嫩芽檢測識別模型，包括：
18、將茶葉嫩芽圖像數據集輸入到深度強化學習網絡確定各控制參數的實際值；
19、基于各控制參數的實際值對深度強化學習網絡進行修正；
20、判斷是否滿足預設終止條件，如果是，則輸出當前深度強化學習網絡模型作為茶葉嫩芽檢測識別模型，否則采用下一茶葉嫩芽圖像數據集進行深度強化學習網絡的訓練。
21、在一種可能的實現方式中，基于各控制參數的實際值對深度強化學習網絡進行修正，包括：
22、根據各控制參數的實際值計算茶葉嫩芽檢測識別的損失值；
23、根據損失值對深度強化學習網絡進行反饋修正。
24、在一種可能的實現方式中，將茶葉嫩芽圖像數據集輸入至茶葉嫩芽檢測識別模型進行茶葉嫩芽識別，并確定茶葉嫩芽的位置信息，包括：
25、對茶葉嫩芽圖像數據集進行去噪處理得到去噪茶葉嫩芽圖像數據集；
26、基于茶葉嫩芽檢測識別模型從去噪茶葉嫩芽圖像數據集中識別茶葉嫩芽目標；
27、基于視覺識別和坐標轉換對茶葉嫩芽目標進行定位得到茶葉嫩芽的位置信息。
28、在一種可能的實現方式中，對茶葉嫩芽圖像數據集進行去噪處理得到去噪茶葉嫩芽圖像數據集，包括：
29、確定茶葉嫩芽圖像數據集中的多個噪聲點所在的數據塊；
30、根據噪聲點位置為數據塊分配去噪權重；
31、根據去噪權重計算噪聲點去噪后的像素值得到去噪茶葉嫩芽圖像數據集。
32、第二方面，本申請還提供了一種茶葉嫩芽的檢測識別裝置，包括：
33、品種識別模塊，用于采集待識別茶葉嫩芽圖像并根據待識別茶葉嫩芽圖像確定茶葉品種；
34、質量篩選模塊，用于根據待識別茶葉嫩芽圖像和茶葉品種確定滿足預設茶葉嫩芽質量閾值的茶葉嫩芽圖像數據集；
35、模型訓練模塊，用于基于茶葉嫩芽圖像數據集進行深度強化學習網絡訓練得到茶葉嫩芽檢測識別模型；
36、識別定位模塊，用于將茶葉嫩芽圖像數據集輸入至茶葉嫩芽檢測識別模型進行茶葉嫩芽識別，并確定茶葉嫩芽的位置信息。
37、第三方面，本申請還提供了一種茶葉嫩芽的檢測識別設備，包括存儲器和處理器，其中，
38、存儲器，用于存儲程序；
39、處理器，與存儲器耦合，用于執行存儲器中存儲的程序，以實現上述任一種實現方式中的茶葉嫩芽的檢測識別方法中的步驟。
40、第四方面，本申請還提供了一種計算機可讀存儲介質，用于存儲計算機可讀取的程序或指令，程序或指令被處理器執行時，能夠實現上述任一種實現方式中的茶葉嫩芽的檢測識別方法中的步驟。
41、采用上述實施例的有益效果是：本申請涉及一種茶葉嫩芽的檢測識別方法、裝置、設備及存儲介質，該方法包括：采集待識別茶葉嫩芽圖像并根據所述待識別茶葉嫩芽圖像確定茶葉品種；根據所述待識別茶葉嫩芽圖像和所述茶葉品種確定滿足預設茶葉嫩芽質量閾值的茶葉嫩芽圖像數據集；基于所述茶葉嫩芽圖像數據集進行深度學習網絡訓練得到茶葉嫩芽檢測識別模型；將所述茶葉嫩芽圖像數據集輸入至所述茶葉嫩芽檢測識別模型進行茶葉嫩芽識別，并確定茶葉嫩芽的位置信息。本申請首先根據所述待識別茶葉嫩芽圖像確定茶葉品種，篩選出滿足茶葉嫩芽質量的茶葉嫩芽圖像數據集，以茶葉嫩芽圖像數據集進行深度學習網絡訓練，降低了茶葉生長姿態不同、嫩芽隨機分布、互相遮擋以及在不同時間天氣下的光照因素、風力因素、降雨因素對茶葉嫩芽識別的影響，提高了茶葉嫩芽的識別速度和識別精度。
本文檔來自技高網...【技術保護點】
1.一種茶葉嫩芽的檢測識別方法，其特征在于，包括：
2.根據權利要求1的茶葉嫩芽的檢測識別方法，其特征在于，根據待識別茶葉嫩芽圖像和茶葉品種確定滿足預設茶葉嫩芽質量閾值的茶葉嫩芽圖像數據集，包括：
3.根據權利要求2的茶葉嫩芽的檢測識別方法，其特征在于，根據茶葉嫩芽密度和茶葉品種等級計算得到茶葉嫩芽評價值，包括：
4.根據權利要求1的茶葉嫩芽的檢測識別方法，其特征在于，基于茶葉嫩芽圖像數據集進行深度強化學習網絡訓練得到茶葉嫩芽檢測識別模型，包括：
5.根據權利要求4的茶葉嫩芽的檢測識別方法，其特征在于，基于各控制參數的實際值對深度強化學習網絡進行修正，包括：
6.根據權利要求1的茶葉嫩芽的檢測識別方法，其特征在于，將茶葉嫩芽圖像數據集輸入至茶葉嫩芽檢測識別模型進行茶葉嫩芽識別，并確定茶葉嫩芽的位置信息，包括：
7.根據權利要求6的茶葉嫩芽的檢測識別方法，其特征在于，對茶葉嫩芽圖像數據集進行去噪處理得到去噪茶葉嫩芽圖像數據集，包括：
8.一種茶葉嫩芽的檢測識別裝置，其特征在于，包括：
9
10.一種計算機可讀存儲介質，其特征在于，用于存儲計算機可讀取的程序或指令，程序或指令被處理器執行時，能夠實現上述權利要求1至7中任一項茶葉嫩芽的檢測識別方法中的步驟。
...【技術特征摘要】
1.一種茶葉嫩芽的檢測識別方法，其特征在于，包括：
2.根據權利要求1的茶葉嫩芽的檢測識別方法，其特征在于，根據待識別茶葉嫩芽圖像和茶葉品種確定滿足預設茶葉嫩芽質量閾值的茶葉嫩芽圖像數據集，包括：
3.根據權利要求2的茶葉嫩芽的檢測識別方法，其特征在于，根據茶葉嫩芽密度和茶葉品種等級計算得到茶葉嫩芽評價值，包括：
4.根據權利要求1的茶葉嫩芽的檢測識別方法，其特征在于，基于茶葉嫩芽圖像數據集進行深度強化學習網絡訓練得到茶葉嫩芽檢測識別模型，包括：
5.根據權利要求4的茶葉嫩芽的檢測識別方法，其特征在于，基于各控制參數的實際值對深度強化學習網絡進行修正，包括：
<...【專利技術屬性】
技術研發人員：譚立新，宋敏，曹宏徙，王文胤，胡程喜，
申請(專利權)人：湖南信息職業技術學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。