基于深度全卷积神经网络的大田稻穗快速分割方法技术

本发明专利技术公开了一种基于深度全卷积神经网络的大田稻穗快速分割方法。该方法设计了基于深度全卷积神经网络的大田稻穗分割网络。待分割的大田图像首先被划分为若干张适合深度全卷积神经网络输入大小的子图，由深度全卷积神经网络对各子图进行像素级语义分割后，再拼接各子图得到与输入图像大小相同的分割结果。该方法能克服不同品种及生育期的水稻稻穗颜色、形状、大小、姿态、纹理的巨大差异、稻穗边缘严重不规则、穗叶颜色混叠及田间不均匀且变化的光照、遮挡、刮风因素的影响，实现对不同品种及生育期大田稻穗的快速准确分割。相比现有技术而言，具备精度高、适用性强、处理速度快的技术优势。

Fast Oda Inaho segmentation method based on deep total convolution neural network

The invention discloses a fast Oda Inaho segmentation method based on deep total convolution neural network. The Oda Inaho segmentation network based on the deep total convolution neural network is designed. Firstly, the field image to be segmented is divided into several sub-images which are suitable for the input size of the depth full convolution neural network. After pixel-level semantic segmentation of each sub-image by the depth full convolution neural network, the segmentation results of each sub-image are the same as the input image. This method can overcome the great difference of panicle color, shape, size, posture and grain, serious irregular edge of panicle, color mixing of panicle and leaf, and the influence of illumination, shading and wind variation in different varieties and growing stages, so as to realize the rapid and accurate panicle of rice in different varieties and growing stages. Division. Compared with the existing technology, it has the advantages of high accuracy, high applicability and fast processing speed.

【技术实现步骤摘要】
基于深度全卷积神经网络的大田稻穗快速分割方法
本专利技术属于农业自动化领域，具体涉及水稻表型参数自动化测量，尤其涉及一种基于深度全卷积神经网络的大田稻穗快速分割方法。
技术介绍
水稻的生产和分配关系到世界半数以上人口的粮食安全问题。高产一直是水稻育种与栽培的重要目标之一。在水稻育种与栽培相关领域研究中，需要测量大量候选样本在不同环境下的产量，为培育高产、优质、抗逆的水稻品种提供科学依据。稻穗是水稻谷粒着生的器官，穗部性状与水稻产量直接相关。稻穗在水稻病虫害检测、营养诊断及生育期检测等方面也起着非常重要的作用。因此，稻穗的准确分割，是获取水稻穗部性状、实现水稻表型自动化测量的关键步骤。不同品种及生育期的水稻稻穗外观表现如形状、颜色、大小、纹理、姿态等存在较大差异，稻穗边缘严重不规则，穗叶颜色也存在很大程度的混叠。田间自然环境复杂，水稻不同器官间相互遮挡，光照不均匀且不断变化，这些因素都使得复杂大田环境下的稻穗分割成为了一个非常困难的问题。陈含等(2013)通过Sobel边缘检测实现麦穗分割，该方法要求图像中的麦穗相互独立、无交叉重叠。刘涛等(2014)基于颜色特征分割麦穗，Tang等(本文档来自技高网...

【技术保护点】
1.一种基于深度全卷积神经网络的大田稻穗快速分割方法，其特征在于，包括：步骤A，将待分割原始图像的图像边缘补黑，变为可裁为整数张符合深度全卷积神经网络输入要求大小子图的图像；步骤B，将图像无间隔且无重叠地裁剪为若干张子图，并记录子图的位置索引，以便于后续图像拼接恢复原始图像；步骤C，基于深度全卷积神经网络对各子图进行像素级别的语义分割；步骤D，将分割后的各子图按照其索引位置拼接为大图；步骤E，去除补黑的边界，恢复与原始图像大小相同的分割图像。

【技术特征摘要】
1.一种基于深度全卷积神经网络的大田稻穗快速分割方法，其特征在于，包括：步骤A，将待分割原始图像的图像边缘补黑，变为可裁为整数张符合深度全卷积神经网络输入要求大小子图的图像；步骤B，将图像无间隔且无重叠地裁剪为若干张子图，并记录子图的位置索引，以便于后续图像拼接恢复原始图像；步骤C，基于深度全卷积神经网络对各子图进行像素级别的语义分割；步骤D，将分割后的各子图按照其索引位置拼接为大图；步骤E，去除补黑的边界，恢复与原始图像大小相同的分割图像。2.根据权利要求1所述的基于深度全卷积神经网络的大田稻穗快速分割方法，其特征在于，所述步骤A中图像边缘补黑的具体操作为，将原始图像的边缘对称地补黑，变为可裁为整数张子图的图像，补黑后的图像高为图像宽为3.根据权利要求1所述的基于深度全卷积神经网络的大田稻穗快速分割方法，其特征在于，所述步骤C中用到的用于分割大田稻穗的深度全卷积神经网络，其离线训练方法包括5个步骤：(1)选取穗型、遮挡程度以及穗叶混叠情况差异大的品种，选取不同光照条件的原始图像，用于构建深度全卷积神...

【专利技术属性】
技术研发人员：段凌凤，杨万能，叶军立，冯慧，黄成龙，周风燃，熊立仲，陈国兴，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：湖北,42