【技术实现步骤摘要】
一种同色系背景下目标果实检测方法及检测系统
本公开涉及智慧农业相关
,具体的说,是涉及一种同色系背景下目标果实检测方法及检测系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息,并不必然构成在先技术。在传统果蔬产业的整个生产周期中,目前各阶段仍以人工作业为主,存在耗时费力、成本高、效率低等问题,因此,复杂果园环境下的生产自动化为该产业发展的必然趋势,一般是通过检测果实的实际情况确定药肥变量喷施的时机、产量预估以及智能采摘的时间,因此果实目标的精准快速检测,具有重要意义。专利技术人发现,真实果园环境下目标果实的识别,通常伴随枝干遮挡、果实重叠、光照变化等干扰,对绿色果实而言,更是由于其与叶片背景颜色极为相近的原因,容易造成叶片与绿色果实的相互混检,使得果实识别难度急剧攀升,影响了果园管理的智能化进程。目前,该领域已积累了一定的研究基础,大多沿用机器学习与深度学习两个方向。其中,基于机器学习的识别方法通常伴随预处理、特征选择等操作,不能实现端到端的检测流程,且识别效果容易受到自然环境 ...
【技术保护点】
1.一种同色系背景下目标果实检测方法,其特征是,包括如下步骤:/n获取同色系背景下目标果实的图像数据,并对图像进行预处理;/n对获取的图像数据采用深度卷积网络进行图像特征提取,并通过特征金字塔网络进行融合,获得融合后的预测特征图;/n对于特征金字塔网络的每一层级的特征图分别进行预测,通过分类与回归两个分支,以全卷积的方法生成目标果实的预测值。/n
【技术特征摘要】
1.一种同色系背景下目标果实检测方法,其特征是,包括如下步骤:
获取同色系背景下目标果实的图像数据,并对图像进行预处理;
对获取的图像数据采用深度卷积网络进行图像特征提取,并通过特征金字塔网络进行融合,获得融合后的预测特征图;
对于特征金字塔网络的每一层级的特征图分别进行预测,通过分类与回归两个分支,以全卷积的方法生成目标果实的预测值。
2.如权利要求1所述的一种同色系背景下目标果实检测方法,其特征是:对获取的图像数据采用深度卷积网络进行图像特征提取,并通过特征金字塔网络进行融合,获得融合后的预测特征图的方法,如下:
将目标果实图像传输到残差网络ResNet中,执行卷积和池化操作;
将ResNet中各残差块输出的不同尺寸的特征图,按照自顶向下与横向连接的方式进行融合,使深层特征图与浅层特征图具有相同水平的语义容量,得到特征金字塔。
3.如权利要求2所述的一种同色系背景下目标果实检测方法,其特征是:按照自顶向下与横向连接的方式进行融合,其中,横向连接以1×1卷积改变通道数至固定值;或者,自顶向下为采用最近邻插值法上采样至相同尺寸,最后以像素级相加的方式融合深层特征与浅层特征。
4.如权利要求1所述的一种同色系背景下目标果实检测方法,其特征是:对于特征金字塔网络的每一层级的特征图分别进行预测,通过分类与回归两个分支,以全卷积的方法生成目标果实的预测值的方法,具体为:
按照目标果实标注框的尺度,将目标果实标注框分配到不同层级的特征图负责预测,再以收缩因子,得到每一层级负责预测的目标果实标注框在特征图上的正采样区域,确定特征图上每一个空间位置为正样本或者负样本;
对每一个正样本通过分类与边框回归分支,预测该正样本属于果实的置信度以及该正样本与目标果实标注框之间的正则化偏移。
5.如权利要求1所述的一种同色系背景下目标果实检测方法,其特征是:目标果实检测方法的实现过程,在融合了金字塔网络的全卷积神经网络模型中实现,模型结构包括负责提取特征的骨干网络、负责融合特征的特征金字塔及负责产生预测结果的预测分支网络;骨干网络、特征金字塔以及预测分支网络依次连接,其中,骨干网络和预测分支网络分别采用卷...
【专利技术属性】
技术研发人员:贾伟宽,张中华,邵文静,刘杰,侯素娟,
申请(专利权)人:山东师范大学,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。