一种基于全卷积神经网络的成熟苹果识别方法技术

本发明专利技术公开了一种基于全卷积神经网络的成熟苹果识别方法，本发明专利技术方法具体步骤如下：Step1、收集苹果图片并对已成熟苹果进行标注，制作成一个训练数据集；Step2、输入图片并进行降噪处理；Step3、设计全卷积神经网络的结构；Step4、使用降噪处理后的训练数据集对全卷积神经网络进行训练；Step5、使用训练完成的全卷积神经网络对已成熟苹果进行识别分割。本发明专利技术通过全卷积神经网络对图像进行分割，能够得到输出图片每一个像素点的预测类别，从而能够得到精确的苹果位置，避免了背景过于复杂的情况下，苹果识别准确度不够准确的问题。准确率、效率、实时性高，且实现过程方便、通用技术强。

A mature apple recognition method based on full convolution neural network

\u672c\u53d1\u660e\u516c\u5f00\u4e86\u4e00\u79cd\u57fa\u4e8e\u5168\u5377\u79ef\u795e\u7ecf\u7f51\u7edc\u7684\u6210\u719f\u82f9\u679c\u8bc6\u522b\u65b9\u6cd5\uff0c\u672c\u53d1\u660e\u65b9\u6cd5\u5177\u4f53\u6b65\u9aa4\u5982\u4e0b\uff1aStep1\u3001\u6536\u96c6\u82f9\u679c\u56fe\u7247\u5e76\u5bf9\u5df2\u6210\u719f\u82f9\u679c\u8fdb\u884c\u6807\u6ce8\uff0c\u5236\u4f5c\u6210\u4e00\u4e2a\u8bad\u7ec3\u6570\u636e\u96c6\uff1bStep2\u3001\u8f93\u5165\u56fe\u7247\u5e76\u8fdb\u884c\u964d\u566a\u5904\u7406\uff1bStep3\u3001\u8bbe\u8ba1\u5168\u5377\u79ef\u795e\u7ecf\u7f51\u7edc\u7684\u7ed3\u6784\uff1bStep4\u3001\u4f7f\u7528\u964d\u566a\u5904\u7406\u540e\u7684\u8bad\u7ec3\u6570\u636e\u96c6\u5bf9\u5168\u5377\u79ef\u795e\u7ecf\u7f51\u7edc\u8fdb\u884c\u8bad\u7ec3\uff1bStep5\u3001\u4f7f\u7528\u8bad\u7ec3\u5b8c\u6210\u7684\u5168\u5377\u79ef\u795e\u7ecf\u7f51\u7edc\u5bf9\u5df2\u6210\u719f\u82f9\u679c\u8fdb\u884c\u8bc6\u522b\u5206\u5272\u3002 The whole segmentation Neural Network is applied to image segmentation, and the prediction category of each pixel point of output pictures can be obtained, so that the apple location can be accurately obtained, and the accuracy of Apple recognition is not accurate under the condition that the background is too complex. The accuracy, efficiency and real time are high, and the realization process is convenient and the general technology is strong.

【技术实现步骤摘要】
一种基于全卷积神经网络的成熟苹果识别方法
本专利技术涉及一种基于全卷积神经网络的成熟苹果识别方法，属于数字图像处理目标检测识别

技术介绍
我国的水果产量一直以来都稳居于世界第一位的位置，而且水果种植面积正在逐年增高，但是在这个水果种植面积飞速发展的时代，我国苹果采摘的形式仍旧十分落后还是以人工采摘为主，这种采摘方式不仅效率低、采摘质量不高，非常不符合农业现代化的发展趋势。比如，由于人在一个时刻只能摘一棵树的苹果，极大的限定了人的采摘效率。不能及时对已成熟苹果进行采摘，会导致苹果过熟甚至腐烂。为此，机器人在农业采摘工作中起到了很大的重要，但是现阶段，国内外农业采摘机器人面临的主要问题有：识别准确度低，效率低以及适用性差。随着人们对机器视觉的研究越来越深入，研究人员们也不断努力开发出新技术，新的识别方法，希望能开发出更好的系统在复杂背景下准确识别已成熟苹果。
技术实现思路
为了解决现有技术的不足，本专利技术提供了一种基于全卷积神经网络的成熟苹果识别方法，以用于通过该方法有效地识别已成熟苹果。本专利技术的技术方案是：一种基于全卷积神经网络的成熟苹果识别方法，所述方法具体步骤如下：St本文档来自技高网...

【技术保护点】
一种基于全卷积神经网络的成熟苹果识别方法，其特征在于：所述方法具体步骤如下：Step1、收集苹果图片并对已成熟苹果进行标注，制作成一个训练数据集；Step2、输入图片并进行降噪处理；Step3、设计全卷积神经网络的结构；Step4、使用降噪处理后的训练数据集对全卷积神经网络进行训练；Step5、使用训练完成的全卷积神经网络对已成熟苹果进行识别分割。

【技术特征摘要】
1.一种基于全卷积神经网络的成熟苹果识别方法，其特征在于：所述方法具体步骤如下：Step1、收集苹果图片并对已成熟苹果进行标注，制作成一个训练数据集；Step2、输入图片并进行降噪处理；Step3、设计全卷积神经网络的结构；Step4、使用降噪处理后的训练数据集对全卷积神经网络进行训练；Step5、使用训练完成的全卷积神经网络对已成熟苹果进行识别分割。2.根据权利要求1所述的基于全卷积神经网络的成熟苹果识别方法，其特征在于：所述步骤Step1中，已成熟苹果标注为手工像素级别标注。3.根据权利要求1所述的基于全卷积神经网络的成熟苹果识别方法，其特征在于：所述步骤Step2中，降噪处理使用的是中值滤波和图像锐化的组合方法。4.根据权利要求1所述的基于全卷积神经网络的成熟苹果识别方法，其特征在于：所述全卷积神经网络结构是由13个卷积层、5个池化层和3个反卷积层构成的网络。5.根据权利要求4所述的基于全卷积神经网络的成熟苹果识别方法，其特征在于：所述步骤Step3中，全卷积神经网络具体结构为：第一层，卷积层，卷积核大小为3x3x3x64，步长为1；第二层，卷积层，卷积核大小为3x3x64x64，步长为1；第三层，最大池化层，池化区间为2x2，步长为2；第四层，卷积层，卷积核大小为3x3x64x128，步长为1；第五层，卷积层，卷积核大小为3x3x128x128，步长为1；第六层，最大池化层，池化区间为2x2，步长为2；第七层，卷积层，卷积核大小为3x3x128x256，步长为1；第八层，卷积层，卷积核大小为3x3x256x256，步长为1；第九层，卷积...

【专利技术属性】
技术研发人员：张印辉，武玉琪，何自芬，伍星，王森，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53