本发明一种基于深度卷积神经网络的蓝莓成熟度的无损检测方法,先采摘不同成熟期的蓝莓样本,同时采集每时期采摘前蓝莓果实的彩色图像信息,对每时期的蓝莓进行叶绿素测定,构建蓝莓叶绿素预测含量网络BCPN,并输入蓝莓图像,随后进行框标记和打标签得到叶绿素含量预测数据集,训练叶绿素含量模型并对输出的叶绿素含量与果实的成熟度进行映射,通过值与值之间的映射之后,通过最终的预测结果映射值判断当前映射值所处的成熟度。本发明提供的基于深度卷积神经网络的蓝莓成熟度的无损检测方法,对蓝莓皮叶绿素的预测准确率达96%以上,对不同品种的蓝莓果实成熟度的无损检测有很好的通用性,精度高,提高果实成熟度检测的准确性和效率。
声明:
“基于深度卷积神经网络的蓝莓成熟度的无损检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)