(19)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 202111651017.X (22)申请日 2021.12.3 0 (71)申请人 广东技术师范大学 地址 510000 广东省广州市天河区中山大 道西293号广东技术师范大学(东校 区) (72)发明人 谭志平　唐宇　杨捷鹏　符伊晴　 赵晋飞　李嘉豪　郭琪伟　黄华盛　 (74)专利代理 机构 广州润禾知识产权代理事务 所(普通合伙) 44446 专利代理师 林伟斌 (51)Int.Cl. G06T 7/00(2017.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06V 10/774(2022.01) (54)发明名称 一种训练方法、 评估方法、 电子设备和存储 介质 (57)摘要 本发明涉及田间作物培育技术领域， 更具体 地， 涉及一种训练方法、 评估 方法、 电子设备和存 储介质。 本发 明通过深度信息和多光谱信息得到 多光谱三维点云图， 并且利用FVNet三维目标检 测算法分析多光谱三维点云图， 获取作物特征信 息， 这不仅能得到更全面的作物信息， 还能以作 物特征信息训练基于人工神经网络建立的作物 状态评估模 型， 通过训练好的作物状态评估模型 准确地评估 出作物状态， 为后续的作物栽培提供 有效的信息。 此外， 采用DFLDE对点 云图的高光谱 波形进行优选， 以筛选出其中的有效波段， 能进 一步提高信息提取的准确率。 权利要求书2页 说明书7页 附图1页 CN 114494149 A 2022.05.13 CN 114494149 A 1.一种人工神经网络模型的训练方法， 其特 征在于， 包括： 获取作物监测信息； 所述作物监测信息包括： 深度信息和多光谱信息； 根据所述深度信息和所述多光谱信息生成点云图； 对所述点云图进行点云拼接和三维重建， 得到多光谱三维点云图； 对所述多光谱三维点云图进行 预处理； 基于FVNet三维目标检测算法对预处理后的所述多光谱三维点云图进行分析， 获取作 物特征信息； 根据所述作物特征信 息建立训练集； 所述训练集包括： 原始训练集和目标训练集； 所述 原始训练集为存储作 物特征信息的数据集； 所述目标训练集为存储已标记作 物特征信息的 数据集； 基于人工神经网络建立作物状态评估模型， 并且将所述训练集输入作物状态评估模型 以进行训练， 输出作物状态评估结果。 2.根据权利要求1所述的一种人工神经网络模型的训练方法， 其特征在于， 所述作物特 征信息包括： 病灶位置、 叶面积指数、 果实颜色 分布、 果实体积和营养参数。 3.根据权利要求1所述的一种人工神经网络模型的训练方法， 其特征在于， 在对所述多 光谱三维点云图进行预处理之后， 基于FVNet三维目标检测算法对预处理后的所述多光谱 三维点云图进行分析， 获取作物特 征信息之前， 还 包括： 基于DFLDE算法对所述多光谱三维点云图中的高光谱波形进行优选， 获取有效波段。 4.根据权利要求1所述的一种人工神经网络模型的训练方法， 其特征在于， 所述对所述 多光谱三维点云图进行 预处理包括： 平滑、 校正、 求 导、 归一化和降维。 5.一种基于人工神经网络模型的作物状态评估方法， 其特 征在于， 包括： 通过采集装置采集目标区域的作物监测信息； 所述目标区域 为作物所处的区域； 将所述作物信息输入已训练的人工神经网络模型， 以进行作物状态评估； 所述人工神 经网络模型 是通过上述权利要求1 ‑4的训练方法训练后得到的。 6.根据权利要求5所述的一种基于人工神经网络模型的作物状态评估方法， 其特征在 于， 所述作物为 草莓。 7.根据权利要求5所述的一种基于人工神经网络模型的作物状态评估方法， 其特征在 于， 所述采集装置包括： 视觉单元， 用于采集目标区域的深度信息； 光谱单元， 用于采集目标区域的光谱信息 。 8.根据权利要求7所述的一种基于人工神经网络模型的作物状态评估方法， 其特征在 于， 所述采集装置还 包括： 导航单元， 用于规划采集所述深度信息和所述 光谱信息的路径； 移动单元， 用于按照规划好的路径对其 他单元进行运载； 调整单元， 用于调整所述视 觉单元和所述 光谱单元的采集角度； 通信单元， 用于将所述深度信息和所述 光谱信息传输 至云服务器； 显示单元， 用于对所述作物状态评估的信息进行显示， 以供用户查阅。权　利　要　求　书 1/2 页 2 CN 114494149 A 29.一种电子设备， 其特 征在于， 包括： 处理器以及存 储器； 所述存储器上存储有计算机可读指令， 所述计算机可读指令被所述处理器执行时实现 如权利要求1 ‑4中任意一项所述的一种人工神经网络模型的训练方法或如权利要求5 ‑8中 任意一项所述的一种基于人工神经网络模型的作物状态评估方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储处理程 序， 所述处理程序可被一个或者多个处理器执行， 以实现如权利要求 1‑4中任意一项 所述的 一种人工神经网络模 型的训练方法或如权利要求5 ‑8中任意一项 所述的一种基于人工神经 网络模型的作物状态评估方法。权　利　要　求　书 2/2 页 3 CN 114494149 A 3