首页 > 分享 > 基于深度学习的花卉植物开花过程表征预测图像生成方法技术

基于深度学习的花卉植物开花过程表征预测图像生成方法技术

花匠小妙招
2025-11-27 14:33

本发明专利技术提供了一种基于深度学习的花卉植物开花过程表征预测图像生成方法，在训练过程，以一组序列数据的前两张序列图像作为模型输入条件，第三张作为标签，数据经过8层的U

【技术实现步骤摘要】
基于深度学习的花卉植物开花过程表征预测图像生成方法

[0001]本专利技术涉及花卉表征预测
，特别是基于深度学习的花卉植物开花过程表征预测图像生成方法。

技术介绍

[0002]近年来随着人们生活水平的不断提高，花卉作为提升生活情调的一种装饰品，逐渐进入大多数人的家庭之中。面对越来越多的花卉市场需求，人们对花卉的研究也更加重视，为减少研究过程的观察等待时间，通过花卉过去的开花过程的时序图像，预测未来时段的表征形态，对提升研究花卉的效率具有重要意义。
[0003]在过去，对于植物的预测研究大部分处于数字数据阶段，一般利用统计学的相关算法进行相应的预测，随着近年来深度学习算法的飞快发展，相关技术也被运用到了各个领域，如图像分类、艺术创作、机器翻译、预测未来、目标检测等，几乎包含了生活的方方面面。在时序预测方面，也出现了许多基于深度学习的解决方案。然而，数字数据的呈现方式相较于图像表达并不直观。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于深度学习的花卉植物开花过程表征预测图像生...

【技术保护点】

【技术特征摘要】
1.基于深度学习的花卉植物开花过程表征预测图像生成方法，其特征在于，在训练过程，以一组序列数据的前两张序列图像作为模型输入条件，第三张作为标签，数据经过8层的U
‑
Net++进行下采样编码，再经过上采样解码生成预测图像，后利用三种损失函数MAE
loss
以及Cosine
loss
进行不同感受域的损失计算，共同作用，从而优化模型学习。2.根据权利要求1所述的基于深度学习的花卉植物开花过程表征预测图像生成方法，其特征在于，生成器的输入是两张3
×
512
×
512的时序图像进行连接，其输出为一张3
×
512
×
512的图像。3.根据权利要求1所述的基于深度学习的花卉植物开花过程表征预测图像生成方法，其特征在于，U
‑
Net++中，每个卷积或反卷积的卷积核大小为4，Stride为2，Padding为1，整个网络除了最外层的下采样外，其余每层Block都进行归一化处理。4.根据权利要求1所述的基于深度学习的花卉植物开花过程表征预测图像生成方法，其特征在于，判别器采用Pix2Pix所提到的Patch GAN结构，大小为512
×
51...