(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111555624.6 (22)申请日 2021.12.17 (71)申请人 青岛农业大 学 地址 266000 山东省青岛市城阳区长城路 700号 (72)发明人 丁兆堂　李赫　范凯　王玉　 毛艺霖　丁仕波　宋大鹏　 (74)专利代理 机构 青岛合创知识产权代理事务 所(普通合伙) 37264 代理人 王晓晓 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/22(2022.01) G06V 10/26(2022.01) G06V 10/50(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于计算机视觉的茶树冻害评估方法 及系统 (57)摘要 本发明公开了一种基于计算机视觉的茶树 冻害评估方法及系统。 所述评估方法包括： 通过 RGB相机采集茶树叶片冻害图像， 将图像进行预 处理， 采用双层算法对茶树冻害叶片进行识别和 分级， 在第一层算 法中， 通过Faster  RCNN网络对 茶树冻害叶片进行分割和第一次分级， 分割后的 照片输入到第二层算法SVM中进行第二次分级， 最后根据得到的茶树不同分级的冻害叶片打分 情况， 对茶树整体的冻害程度进行评估。 本方法 不仅可以对茶树叶片的冻害进行识别， 而且可以 对茶树冻害程度进行分级， 解决了人工观测和评 估茶园冻害主观性强， 耗时长的问题且提高模型 的精度， 有利于茶园管理效率的提高。 权利要求书2页 说明书5页 附图4页 CN 114170518 A 2022.03.11 CN 114170518 A 1.一种基于计算机 视觉的茶树冻害评估方法， 其特 征在于， 包括以下步骤： S1： 采集茶树叶片冻害图像； S2： 将步骤S1的茶树叶片冻害图像进行 预处理； S3： 结合预处 理后的冻害图像对茶树冻害叶片进行分割和第一次分级； S4： 对分割后的冻害图像进行第二次分级； S5： 结合步骤S3和 S4的分级结果， 得到茶树不同分级的冻害叶片 打分情况， 并根据打分 情况对茶树整体的冻害程度进行评估。 2.根据权利要求1所述的基于计算机视觉的茶树冻 害评估方法， 其特征在于， 所述步骤 S2中预处 理茶树叶片冻害图像的具体步骤为： S21： 利用茶树叶片冻害图像对茶树的受冻害程度进行分级； S22： 调整茶树叶片冻害图像的分辨 率； S23： 利用MATLAB软件 对调整后的冻害图像进行 标记， 得到训练集； S24： 将标记的标签数据以mat格式保存后， 转换成表格数据集格式， 输入神经网络 。 3.根据权利要求1所述的基于计算机视觉的茶树冻 害评估方法， 其特征在于， 所述步骤 S22中将茶树叶片冻害图像的分辨 率调整为180 0×1800。 4.根据权利要求1所述的基于计算机视觉的茶树冻 害评估方法， 其特征在于， 所述步骤 S3是利用Faster  RCNN网络对茶树冻害叶片进行分割和第一次分级的， 具体步骤为： S31： 将茶树冻害的叶片分为 三个等级， 制成输入数据集； S32： 将输入数据集按照9:1的比例划分为训练集和 测试集； S33： 将训练集输入到不同的神经网络中， 对茶树冻害叶片的冻害特 征进行提取； S34： 比较不同的神经网络在相同学习率下的结果， 选取最优的特征提取网络输入到 Faster RCNN网络中； S35： 将步骤S32中的训练集输入到步骤S34中最优的Faster  RCNN网络中， 在不同的学 习率下进行训练； S36： 根据步骤S35， 找到最佳的学习率， 然后将步骤S32中的测试集输入到Faster  RCNN 网络中对分类结果进行验证。 5.根据权利要求4所述的基于计算机视觉的茶树冻 害评估方法， 其特征在于， 所述神经 网络包括AlexNet、 VG G19和Resnet5 0， 它们的总训练时间分别为5小时、 7小时和23小时。 6.根据权利要求4所述的基于计算机视觉的茶树冻 害评估方法， 其特征在于， 所述步骤 S36中选择的最大迭代、 学习率和学习率下降因子分别为20、 0.0 001、 0.001。 7.根据权利要求1所述的基于计算机视觉的茶树冻 害评估方法， 其特征在于， 所述步骤 S4的具体步骤为： S41： 将分割后的冻害图像通过HO G对冻害特 征进行提取； S42： 提取 特征后的图像放入到SVM网络中进行一对一法分类。 8.根据权利要求1所述的基于计算机视觉的茶树冻 害评估方法， 其特征在于， 所述步骤 S5中， 将一级冻害叶片打分0.5， 二级冻害叶片打分0.3， 三级冻害叶片打分0.2， 最终的评 分 为三者的数量乘分数并且相加。 9.一种基于计算机 视觉的茶树冻害评估系统， 其特 征在于， 包括： 采集系统， 包括RGB相机， 用来采集冬季的茶树叶片冻害图像；权　利　要　求　书 1/2 页 2 CN 114170518 A 2处理系统， 执行以下操作： 将采集到的冻害图像输入到深度学习和机器学习的神经网 络中， 并对茶树叶片进行识别分级， 然后根据冻害叶片对茶树整体进行自动打 分； 分析系统， 根据 所述处理系统 的打分， 对茶树冻 害情况进行总体评价， 指导茶树越冬和 越冬后的修剪管理。权　利　要　求　书 2/2 页 3 CN 114170518 A 3