咖啡成熟果实的检测方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种咖啡成熟果实的检测方法、装置及电子设备，其中，方法包括获取待检测图像；对待检测图像进行超像素分割，得到若干超像素子图；基于咖啡果实成熟期检测模型对超像素子图进行检测，以确定超像素子图中的所述咖啡成熟果实；其中，咖啡果实成熟期检测模型是利用样本图像对监督学习算法进行训练得到的。通过将超像素作为最小单位检测咖啡成熟果实，由于超像素分割能够保持果实形状，信噪比较高，为后续利用咖啡果实成熟期检测模型进行检测提供了基础；此外，由于咖啡果实成熟期检测模型是利用样本图像对监督学习算法进行训练得到的，能够保证训练后得到的检测模型具有较高的检测准确性，进而能够实现咖啡成熟果实检测的高准确性。

【技术实现步骤摘要】
咖啡成熟果实的检测方法、装置及电子设备
本专利技术涉及数字图像处理和农业气象观测交叉的
，具体涉及一种咖啡成熟果实的检测方法、装置及电子设备。
技术介绍
咖啡是世界三大饮料之一，由于咖啡花芽发育的不同步性，导致咖啡有多次开花现象及花期集中的特性。例如，在云南盛花期为3－5月，每次开花持续三天左右，因此果期从10月持续至1月左右，这导致收获期果实具有不同的成熟度以及咖啡果实成熟期在时间和空间上都难以追踪和预测。同时，采收期持续时间长，造成采收成本高，采后挑拣工作量大，不利于病虫害控制等一系列问题，且不利于高品质果实的生产。为了解决这些问题，咖啡生育期观测具有重要意义，而准确观测咖啡成熟果实出现的时间和数量，为果实发育和成熟期追踪预测以及产量预测等方面提供重要数据，有利于实现农业栽培及管理的精准化。目前对咖啡生育期观测主要有遥感方法和人工观测法。其中，人工观测代价高且效率低，缺乏统一标准，难以实现时空上的连续观测。此外，卫星遥感和无人机遥感在咖啡生育期观测上早有应用，例如，Herwitz等使用无人机和小尺寸成像系统对咖啡种植地进行监测，使用高分辨率和近实时的成像，提取杂草并剔除杂草影响，同时发现在表面叶子稀疏果实明显的田块下，光谱指数与果实成熟度极显著相关。但是，该检测方法针对截干修剪后前一两年的田块时，由于其生长旺盛，果实通常隐藏于下层，难以预测果实成熟度，从而导致检测准确率较低。
技术实现思路
有鉴于此，本专利技术实施例提供了一种咖啡成熟果实的检测方法、装置及电子设备，以解决检测准确率低的问题。根据第一方面，本专利技术实施例提供了一种咖啡成熟果实的检测方法，包括：获取待检测图像；对所述待检测图像进行超像素分割，得到若干超像素子图；基于咖啡果实成熟期检测模型对所述超像素子图进行检测，以确定所述超像素子图中的所述咖啡成熟果实；其中，所述咖啡果实成熟期检测模型是利用样本图像对监督学习算法进行训练得到的。本专利技术实施例提供的咖啡成熟果实的检测方法，通过将超像素作为最小单位检测咖啡成熟果实，由于超像素分割能够保持果实形状，信噪比较高，为后续利用咖啡果实成熟期检测模型进行检测提供了基础；此外，由于咖啡果实成熟期检测模型是利用样本图像对监督学习算法进行训练得到的，能够保证训练后得到的检测模型具有较高的检测准确性，进而能够实现咖啡成熟果实检测的高准确性。结合第一方面，在第一方面第一实施方式中，所述咖啡果实成熟期检测模型是通过如下步骤构建的：获取若干所述样本图像；所述样本图像包括正样本图像以及负样本图像；其中，所述正样本图像是对成熟果实的图像进行超像素分割得到的；所述负样本图像是对不成熟果实的图像进行超像素分割得到的；分别提取所述样本图像的至少一个特征，以得到特征向量；其中，所述特征包括颜色特征以及纹理特征中的至少之一；基于所述特征向量，对所述监督学习算法进行训练，以构建所述咖啡果实成熟期检测模型。本专利技术实施例提供的咖啡成熟果实的检测方法，其中，利用超像素分割得到的正样本图像以及负样本图像进行特征提取，通过提取至少一个特征用于后续的监督学习算法的训练，多个特征训练得到的咖啡果实成熟期检测模型具有较高的检测精度。结合第一方面第一实施方式，在第一方面第二实施方式中，所述分别提取所述样本图像的至少一个特征，包括：提取所述样本图像中各像素点的像素值；基于各所述像素点的像素值，计算所述样本图像的颜色矩，以得到所述颜色特征；将所述样本图像转化为灰度图像；基于所述灰度图像，提取所述纹理特征。本专利技术实施例提供的咖啡成熟果实的检测方法，利用颜色矩以及纹理特征作为监督学习算法的训练特征，这两种特征能够较好地反应出咖啡成熟果实，因此，通过提取上述两种特征能够保证训练得到的咖啡果实成熟期检测模型具有较高的检测精度。结合第一方面第二实施方式，在第一方面第三实施方式中，所述基于所述灰度图像，提取所述纹理特征，包括：提取所述灰度图像中的每个像素点的预设邻域；其中，所述预设邻域的中心点为所述像素点；在所述预设邻域上提取预设数量的像素点的灰度值；所述预设数量的像素点为对所述预设邻域进行所述预设数量的等分得到的；利用所述预设数量的像素点的灰度值、所述中心点的灰度值以及所述预设数量，计算所述像素点的模式种类；其中，所述样本图像的所述模式种类为2P种，P为所述预设数量；基于所述像素点的模式种类，统计各所述模式种类的数量，以得到所述纹理特征。本专利技术实施例提供的咖啡成熟果实的检测方法，利用模式种类进行图像纹理特征的提取，具有灰度不变性，且能够减少其他类别像素对纹理的影响，保证所提取的纹理特征的准确性。结合第一方面第三实施方式，在第一方面第四实施方式中，采用如下公式计算所述像素点的模式种类：其中，式中，L(x,y)是坐标为(x,y)的像素点的模式种类；gi为在所述预设邻域上提取出的第i个像素点的灰度值；gc为所述中心点的灰度值。结合第一方面第四实施方式，在第一方面第五实施方式中，基于所述特征向量，对所述监督学习算法进行训练，以构建所述咖啡果实成熟期检测模型，包括：采用多项式核函数对所述监督学习算法进行训练，以得到预设模型；利用K折交叉验证对所述预设模型进行评估，以构建所述咖啡果实成熟期检测模型。本专利技术实施例提供的咖啡成熟果实的检测方法，通过K折交叉验证对预设模型进行评估，能够找到咖啡果实成熟期检测模型中各个参数的最佳特征提取方式，以保证检测模型的准确性。结合第一方面，在第一方面第六实施方式中，所述待检测图像为时间序列图像；所述方法还包括：统计所述时间序列图像的各个图像中所述咖啡成熟果实的数量；当时间相邻的两个所述图像中所述咖啡成熟果实数量的差值大于第一阈值时，确定所述图像对应的时间为自动检测的采摘日期；获取多个人工采摘日期；利用所述自动检测的采摘日期以及所述人工采摘日期，统计所述自动检测的采摘日期中正确采摘日期的数量、不正确采摘日期的数量以及未检测出的采摘日期的数量；基于统计结果，计算检测精度。本专利技术实施例提供的咖啡成熟果实的检测方法，通过检测结果中咖啡成熟果实数量的变化确定自动检测的采摘日期，再结合实际的人工采摘日期，对检测结果的精度进行判断，后续可以利用判断结果对检测模型进行调整。结合第一方面，在第一方面第七实施方式中，采用如下公式计算检测精度：式中，IOU为所述检测精度；TP为所述自动检测的采摘日期中正确采摘日期的数量；FP为所述不正确采摘日期的数量；FN为所述未检测出的采摘日期的数量。根据第二方面，本专利技术实施例还提供了一种咖啡成熟果实的检测装置，包括：获取模块，用于获取待检测图像；图像分割模块，用于对所述待检测图像进行超像素分割，得到若干超像素子图；检测模块，用于基于咖啡果实成熟期检测模型对所述超像素子图进行检测，以确定所述超像素子图中所述咖啡成熟果实的数量；其中，所述咖啡果实成熟期检测模型是利用样本图像对监督学习算法进行训练得到的。本专利技术实施例提供的咖啡成熟果实的检测装置，通过将超像素作为最小单位检测咖啡成熟果实，由于超像素分割能够保持果实形状，信噪比较高，为后续利用咖啡果实成熟期检测模型进行检测提供了基础；此外，由于咖啡果实成熟期检测模型是利用样本图像对监督学习算法进行训练得到的，能够保证训练后得到的检测模型具有较高的检测准确性，进而能够实现咖啡成熟本文档来自技高网...

【技术保护点】
1.一种咖啡成熟果实的检测方法，其特征在于，包括：获取待检测图像；对所述待检测图像进行超像素分割，得到若干超像素子图；基于咖啡果实成熟期检测模型对所述超像素子图进行检测，以确定所述超像素子图中的所述咖啡成熟果实；其中，所述咖啡果实成熟期检测模型是利用样本图像对监督学习算法进行训练得到的。

【技术特征摘要】
1.一种咖啡成熟果实的检测方法，其特征在于，包括：获取待检测图像；对所述待检测图像进行超像素分割，得到若干超像素子图；基于咖啡果实成熟期检测模型对所述超像素子图进行检测，以确定所述超像素子图中的所述咖啡成熟果实；其中，所述咖啡果实成熟期检测模型是利用样本图像对监督学习算法进行训练得到的。2.根据权利要求1所述的方法，其特征在于，所述咖啡果实成熟期检测模型是通过如下步骤构建的：获取若干所述样本图像；所述样本图像包括正样本图像以及负样本图像；其中，所述正样本图像是对成熟果实的图像进行超像素分割得到的；所述负样本图像是对不成熟果实的图像进行超像素分割得到的；分别提取所述样本图像的至少一个特征，以得到特征向量；其中，所述特征包括颜色特征以及纹理特征中的至少之一；基于所述特征向量，对所述监督学习算法进行训练，以构建所述咖啡果实成熟期检测模型。3.根据权利要求2所述的方法，其特征在于，所述分别提取所述样本图像的至少一个特征，包括：提取所述样本图像中各像素点的像素值；基于各所述像素点的像素值，计算所述样本图像的颜色矩，以得到所述颜色特征；将所述样本图像转化为灰度图像；基于所述灰度图像，提取所述纹理特征。4.根据权利要求3所述的方法，其特征在于，所述基于所述灰度图像，提取所述纹理特征，包括：提取所述灰度图像中的每个像素点的预设邻域；其中，所述预设邻域的中心点为所述像素点；在所述预设邻域上提取预设数量的像素点的灰度值；所述预设数量的像素点为对所述预设邻域进行所述预设数量的等分得到的；利用所述预设数量的像素点的灰度值、所述中心点的灰度值以及所述预设数量，计算所述像素点的模式种类；其中，所述样本图像的所述模式种类为2P种，P为所述预设数量；基于所述像素点的模式种类，统计各所述模式种类的数量，以得到所述纹理特征。5.根据权利要求4所述的方法，其特征在于，采用如下公式计算所述像素点的模式种类：其中，式中，L(x,y)是坐标为(x,y)的像素点的模式种类；gi为在所述预设邻域上提取出的第i个...

【专利技术属性】
技术研发人员：金红伟，彭怀玉，韩冰，周振，涂长梅，陈佳力，孙涵，
申请(专利权)人：江苏省无线电科学研究所有限公司，
类型：发明
国别省市：江苏,32