原文传递
基于深度学习网络的堆肥腐熟实时预测方法
| 专利名称： | 基于深度学习网络的堆肥腐熟实时预测方法 |
| 摘要： | 本发明公开了一种基于深度学习网络的堆肥腐熟实时预测方法，以堆肥的堆体内温度、湿度、表面图像深度特征向量作为堆肥的描述特征，借助于深度学习方法高效学习能力，实现腐熟的在线实时监测。腐熟预测过程起始于堆体温度、湿度实时测量和图像采集，方法首先对图像进行预处理，由卷积神经网络(CNN)提取图像的深度特征，然后与堆体温度、湿度组合作为腐熟判断过程的输入量，送入循环神经网络(RNN)预测出当前时刻是否腐熟。本发明提出的相对完善、合理、准确的堆肥腐熟实时监测方法，为生产提供指导。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 江苏;32 |
| 申请人： | 南京农业大学 |
| 发明人： | 徐阳春;薛卫;韦中;胡雪娇;梅新兰;陈行健 |
| 专利状态： | 有效 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201810381202.3 |
| 公开号： | CN108845075A |
| 代理机构： | 南京天华专利代理有限责任公司 32218 |
| 代理人： | 刘畅;徐冬涛 |
| 分类号： | G01N33/00(2006.01)I;G06N3/04(2006.01)I;G;G01;G06;G01N;G06N;G01N33;G06N3;G01N33/00;G06N3/04 |
| 申请人地址： | 211225 江苏省南京市溧水区白马镇国家农业科技园南京农业大学基地 |
| 主权项： | 1.一种基于深度学习网络的堆肥腐熟实时预测方法，其特征在于包括以下步骤：S1、提取t时刻堆肥温度、湿度数据以及t时刻堆肥表面灰度图像数据；S2、预处理，将堆肥表面灰度图像数据进行中值滤波；S3、基于S2获得的数据，构建卷积神经网络CNN进行堆肥图像特征提取；S4、将堆肥温度、湿度数据和堆肥图像特征，组合形成堆肥实时特征向量，堆肥实时特征向量通过最小最大法归一化进行整合；S5、基于S4获得的数据，采用循环神经网络RNN进行预测。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
