一种基于深度学习和图像边缘信息的茶叶嫩芽检测方法技术

本发明专利技术涉及一种茶叶嫩芽方法，尤其是一种基于深度学习和图像边缘信息的茶叶嫩芽检测方法。本发明专利技术首先将原始边缘检测算法检测图像边缘，对于进行边缘检测后的图片，用如下两种方法提取出候选窗口：(1)根据图片中属于图像边缘的像素个数占图像总像素个数的百分比，(2)根据图片中不属于图像边缘的像素个数占总像素个数的百分比。接下来将提取到的候选窗口输入训练好的深度学习网络，判定哪些属于茶叶嫩芽。使用本发明专利技术能够大大改善现有茶叶嫩芽检测任务的效果，并且本发明专利技术提出的方法也可以应用到其他目标检测任务中。

【技术实现步骤摘要】

本专利技术涉及一种茶叶嫩芽方法，尤其是一种基于深度学习和图像边缘信息的茶叶嫩芽检测方法。
技术介绍
茶，是中华民族的举国之饮。发于神农，闻于鲁周公，兴于唐朝，盛于宋代。茶叶乃茶之精髓，其采摘工艺是茶文化的重要组成部分。不同采摘工艺产出截然不同的茶叶。现阶段主要依靠人工和传统机械来采茶。其中人工采茶存在人力成本高、劳动强度大、效率低、茶叶品质参差不齐等缺点，而传统机械采茶简单粗放，同样有茶叶品质低、对茶树损伤大等缺陷。针对以上两种采茶工艺自身的缺陷，且考虑到茶叶嫩芽独一无二的经济价值，并且随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行检测的研究也越来越热门，我们提出一种新的基于计算机视觉的茶叶嫩芽自动检测的方法。
技术实现思路
为了解决上述问题，本专利技术所要解决的技术就是提供了一种基于深度学习和图像边缘信息的茶叶嫩芽检测方法。其采用的技术方案如下：一种基于深度学习和图像边缘信息的茶叶嫩芽检测方法，包括如下步骤：步骤一：用高像素相机获取原始图像；步骤二：将原始图像利用边缘检测算法检测边缘，得到结果图片；步骤三：用滑动窗口将结果图片切分成多个相同大小的子图像；步骤四：计算统计像素个数与结果图片总像素个数的百分比；方法1：计算整幅结果图片中属于图像边缘的像素个数占图像总像素个数的百分比，记作Pall1；计算步骤三中各个子图像中属于图像边缘的像素个数<br>占结果图片总像素个数的百分比，记作Pd1；方法2：计算整幅结果图片中不属于图像边缘的像素个数占图像总像素个数的百分比，记作Pall2；计算步骤三中各个子图像中不属于图像边缘的像素个数占结果图片总像素个数的百分比，记作pd2；步骤五：将步骤四中子图像的个数记作num；对于方法一：设定一个步长，记作stepsize1；设定一个临界值，记作threshold1，初始化为a(范围0至1)；设定一个数，记作n1；①threshold1＝threshold1+stepsize1；②判断每个pd1是否大于threshold1，记录大于threshold1的pd1的个数，记作Tnum1；③计算Tnum1/num；如果Tnum1/num大于1/n1，则重复①、②、③、；如果Tnum1/num小于1/n1，则提取出大于threshold1的pd1所对应的子图像，所对应的原图像的区域，作为候选窗口。对于方法2：设定一个步长，记作stepsize2；设定一个临界值，记作threshold2，初始化为Pall2；设定一个数，记作n2；①threshold2＝threshold2-stepsize2；②判断每个pd2是否小于threshold2，记录小于threshold2的pd2的个数，记作Tnum2；③计算Tnum2/num；如果Tnum2/num大于1/n2，则重复①、②、③、；如果Tnum2/num小于1/n2，则提取出小于threshold2的pd2所对应的子图像所对应的原图像的区域，作为候选窗口；步骤六：在相机拍摄的原始图中，使用软件将茶叶嫩芽和背景图片切割出来，分别作为正样本和负样本，再将切割后的图像还原成特定大小，然后用还原成特定大小的图片训练深度卷积网络；步骤七：将步骤五中提取到的候选窗口输入训练好的深度卷积网络，判定哪些候选窗口属于茶叶嫩芽，那些属于背景。所述的滑动窗口的长宽范围是0至原始图像最短边大小，各个子图像可以存在重叠区域。所述的步骤五中初始化为a的范围是0至1。所述的深度卷积网络是一个多层神经网络，其中最后一层为softmax层。有益效果：一种基于深度学习和图像边缘信息的茶叶嫩芽检测方法，克服传统机械采茶简单粗放，降低茶叶品质、对茶树损伤大等缺陷，利用计算机图像处理技术对目标进行检测，效率高，检测的样品均匀，正确度高，大大改善现有茶叶嫩芽检测工艺，有效降低了劳动强度，并且本专利技术提出的方法也可以应用到其他目标检测任务中。具体实施方式下面通过具体实施例对本专利技术对本专利技术经行详细说明。实施例1本实施例采用记录图像边缘内像素个数的方法，具体包括如下步骤：步骤一：用高像素相机获取原始图像；步骤二：将原始图像利用边缘检测算法检测边缘，得到结果图片；步骤三：用滑动窗口将结果图片切分成多个相同大小的子图像；步骤四：计算统计像素个数与结果图片总像素个数的百分比；计算整幅结果图片中属于图像边缘的像素个数占图像总像素个数的百分比，记作Pall1；计算步骤三中各个子图像中属于图像边缘的像素个数占结果图片总像素个数的百分比，记作Pd1；步骤五：将步骤四中子图像的个数记作num；设定一个步长，记作stepsize1；设定一个临界值，记作threshold1，初始化为a(范围0至1)；设定一个数，记作n1；①threshold1＝threshold1+stepsize1；②判断每个pd1是否大于threshold1，记录大于threshold1的pd1的个数，记作Tnum1；③计算Tnum1/num；如果Tnum1/num大于1/n1，则重复①、②、③、；如果Tnum1/num小于1/n1，则提取出大于threshold1的pd1所对应的子图像，所对应的原图像的区域，作为候选窗口。步骤六：在相机拍摄的原始图中，使用软件将茶叶嫩芽和背景图片切割出来，分别作为正样本和负样本，再将切割后的图像还原成特定大小，然后用还原成特定大小的图片训练深度卷积网络；步骤七：将步骤五中提取到的候选窗口输入训练好的深度卷积网络，判定哪些候选窗口属于茶叶嫩芽，那些属于背景。优选的滑动窗口的长宽范围是0至原始图像最短边大小，各个子图像可以存在重叠区域。优选的步骤五中初始化为a的范围是0至1。优选的深度卷积网络是一个多层神经网络，其中最后一层为softmax层。实施例2本实施例采用记录图像边缘外像素个数的方法，具体包括如下步骤：步骤一：用高像素相机获取原始图像；步骤二：将原始图像利用边缘检测算法检测边缘，得到结果图片；步骤三：用滑动窗口将结果图片切分成多个相同大小的子图像；步骤四：计算统计像素个数与结果图片总像素个数的百分比；计算整幅结果图片中不属于图像边缘的像素个数占图像总像素个数的百分比，记作Pall2；计算步骤三中各个子图像中不属于图像边缘的像素个数占结果图片总像素本文档来自技高网...

【技术保护点】
一种基于深度学习和图像边缘信息的茶叶嫩芽检测方法，其特征在于:包括如下步骤：步骤一：用高像素相机获取原始图像；步骤二：将原始图像利用边缘检测算法检测边缘，得到结果图片；步骤三：用滑动窗口将结果图片切分成多个相同大小的子图像；步骤四：计算统计像素个数与结果图片总像素个数的百分比；方法1：计算整幅结果图片中属于图像边缘的像素个数占图像总像素个数的百分比，记作Pall1；计算步骤三中各个子图像中属于图像边缘的像素个数占结果图片总像素个数的百分比，记作Pd1；方法2：计算整幅结果图片中不属于图像边缘的像素个数占图像总像素个数的百分比，记作Pall2；计算步骤三中各个子图像中不属于图像边缘的像素个数占结果图片总像素个数的百分比，记作pd2；步骤五：将步骤四中子图像的个数记作num；对于方法一：设定一个步长，记作stepsize1；设定一个临界值，记作threshold1，初始化为a(范围0至1)；设定一个数，记作n1；①threshold1＝threshold1+stepsize1；②判断每个pd1是否大于threshold1，记录大于threshold1的pd1的个数，记作Tnum1；③计算Tnum1/num；如果Tnum1/num大于1/n1，则重复①、②、③、；如果Tnum1/num小于1/n1，则提取出大于threshold1的pd1所对应的子图像，所对应的原图像的区域，作为候选窗口。对于方法2：设定一个步长，记作stepsize2；设定一个临界值，记作threshold2，初始化为Pall2；设定一个数，记作n2；①threshold2＝threshold2‑stepsize2；②判断每个pd2是否小于threshold2，记录小于threshold2的pd2的个数，记作Tnum2；③计算Tnum2/num；如果Tnum2/num大于1/n2，则重复①、②、③、；如果Tnum2/num小于1/n2，则提取出小于threshold2的pd2所对应的子图像所对应的原图像的区域，作为候选窗口；步骤六：在相机拍摄的原始图中，使用软件将茶叶嫩芽和背景图片切割出来，分别作为正样本和负样本，再将切割后的图像还原成特定大小，然后用还原成特定大小的图片训练深度卷积网络；步骤七：将步骤五中提取到的候选窗口输入训练好的深度卷积网络，判定哪些候选窗口属于茶叶嫩芽，那些属于背景。...

【技术特征摘要】
1.一种基于深度学习和图像边缘信息的茶叶嫩芽检测方法，其特征在于:
包括如下步骤：
步骤一：用高像素相机获取原始图像；
步骤二：将原始图像利用边缘检测算法检测边缘，得到结果图片；
步骤三：用滑动窗口将结果图片切分成多个相同大小的子图像；
步骤四：计算统计像素个数与结果图片总像素个数的百分比；
方法1：计算整幅结果图片中属于图像边缘的像素个数占图像总像素个数
的百分比，记作Pall1；计算步骤三中各个子图像中属于图像边缘的像素个数
占结果图片总像素个数的百分比，记作Pd1；
方法2：计算整幅结果图片中不属于图像边缘的像素个数占图像总像素个
数的百分比，记作Pall2；计算步骤三中各个子图像中不属于图像边缘的像素
个数占结果图片总像素个数的百分比，记作pd2；
步骤五：将步骤四中子图像的个数记作num；
对于方法一：设定一个步长，记作stepsize1；设定一个临界值，记作
threshold1，初始化为a(范围0至1)；设定一个数，记作n1；
①threshold1＝threshold1+stepsize1；
②判断每个pd1是否大于threshold1，记录大于threshold1的pd1的
个数，记作Tnum1；
③计算Tnum1/num；
如果Tnum1/num大于1/n1，则重复①、②、③、；如果Tnum1/num小于
1/n1，则提取出大于threshold1的pd1所对应的子图像，所对应的原图像的
区域，作为候选窗口。
对于方法2...

【专利技术属性】
技术研发人员：吴晓民，任鹏，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37