技术摘要：
本发明涉及一种利用卷积神经网络的茶园识别除草方法，属于模式识别领域领域；首先利用机器人在茶园间实时采集固定角度的图像，将图像用横竖网格线进行分割，利用分割后的小图像进行卷积神经网络识别，得到其分类结果。由于茶园环境复杂,因此需将得到的分类结果中“混合  全部
背景技术：
茶园长期以来遭受杂草的危害，杂草影响茶叶对肥料以及水分的吸收，从而影响 到茶叶的生长以及品质。茶农的除草工作成为茶园工作中重要的一部分。传统的除草机拥 有两个轮子，和一个高速旋转的马达，通过人力拉动除草机本身，以及除草机前方“除草刀 头”的快速旋转，来清除杂草。此方法虽然相比最为传统的人力除杂草稍有进步，但是还是 需要人拿着大型的除草机，去亲自下田操作，拿着大型的机器工作，也增加了茶农的工作辛 苦程度。而且此种除草机由于马力非常的大，在除草的过程中非常容易掀起巨大的尘土，影 响茶农的呼吸道健康，加上机器庞大，因此“除草刀头”也显得有些臃肿，在除草的时候，只 能除去一些距离茶树本身较远的杂草，紧挨着茶树的杂草在去除的过程中容易伤到茶树。
技术实现要素：
针对上述存在的问题，本发明提出一种利用卷积神经网络的茶园识别除草方法， 以降低人力消耗，提高除草效率和除草质量。 为实现上述目的，本发明具体技术方案如下：一种利用卷积神经网络的茶园识别 除草方法，包括如下步骤： 1)采集图像数据，即驱动智能除草机器人按照预先规划的路径行走，并拍摄照片； 2)图像处理：将采集到的每一个图像分割成N*N个相同大小的图片，人为判定图片 的类型并根据图片类型为每一个图片加入标签信息，所述图片的类型包括：茶、草、其他和 混合； 3)图片学习：利用神经网络，采用监督式学习方式进行学习；其中所述神经网络为 第一层卷积核和最后一层卷积核大小是1*1的GoogLeNet网络； 4)实时除草。 进一步地，上述步骤1)中，所述智能除草机器人包括机械臂、机械除草小型齿轮、 链式轮胎小车、摄像头、控制模块和电源模块；机械臂、机械除草小型齿轮用于除草；链式轮 胎小车用于行走；摄像头用于拍摄田间茶与草的实时图像，摄像头的安装高度为茶树高度 的2/3，摄像头拍摄角度正对茶树；控制模块用于识别并发送除草命令，电源模块用于驱动 小车和控制模块。 进一步地，上述步骤1)中，所述预先规划的路径为：在两排茶树间进行来回行走， 并与茶树保持固定范围差的间距。 进一步地，上述步骤4)中实时除草包括如下步骤： 4.1)启动智能除草机器人，开启摄像头； 4.2)智能除草机器人移动固定距离，拍摄一张图像； 4 CN 111553258 A 说　明　书 2/4 页 4.3)将拍摄到的图像分割成N*N个相同大小的小图片n； 4 .4)取出一张小图片n输入神经网络进行识别，通过分类回归，得到“茶”，“草”， “其他”，“混合”的判定百分比； 4.5)取判定百分比的最高值为神经网络的预判值，作为识别结果，得到小图片n的 类型； 4.6)如果小图片n的类型为“草”，启动机械除草小型齿轮进行除草，转步骤4.7)； 如果小图片的类型为“混合”，转步骤4.7)； 4 .7)判断所有小图片n是否处理结束，如果处理结束转步骤4.8)，否者转步骤 4.4)； 4.8)判断是否有“混合”小图片，如果有，转步骤4.9)，否则转步骤4.2)； 4.9)依次取出一张“混合”小图片，设取出的“混合”小图片为H； 4.10)对“混合”小图片为H进行水平扩张和垂直扩张，构建混合矩形区R； 4.11)将混合矩形区R分割成Q*Q个相同大小的小图片q，其中1