本发明专利技术涉及图像处理技术领域，公开了一种基于混合膨胀卷积的植物识别方法、装置及存储介质，该方法包括：获取预设场景下的待处理植物图像，并确定待处理植物图像的场景距离信息；根据场景距离信息对待处理植物图像进行膨胀处理，获得膨胀植物图像；将膨胀植物图像输入至预设混合膨胀图像分割模型中，获得植物分割图像；根据植物分割图像进行植物识别。相较于现有技术中需要人工手动分割植物图像，导致植物图像处理的效率低下，而本发明专利技术中利用预设混合膨胀图像分割模型对植物图像进行处理，快速精准的获取植物分割图像，进而提高了植物识别的准确率。别的准确率。别的准确率。
【技术实现步骤摘要】
基于混合膨胀卷积的植物识别方法、装置及存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种基于混合膨胀卷积的植物识别方法、装置及存储介质。
技术介绍
[0002]自然环境中的植物会受到众多干扰因素的影响，主要包括光照强度变化、亮度不均匀、植物与背景颜色相近、枝叶遮挡、阴影覆盖，这使植物的外观特征随环境的改变产生较大的变化。由于同时存在多个干扰因素的影响，利用目标检测算法直接进行植物识别会存在较多误判或遗漏的情况，导致无法精准识别植物。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0004]本专利技术的主要目的在于提供一种基于混合膨胀卷积的植物识别方法、装置及存储介质，旨在解决如何提高植物识别的准确率的技术问题。
[0005]为实现上述目的，本专利技术提供一种基于混合膨胀卷积的植物识别方法，所述基于混合膨胀卷积的植物识别方法包括以下步骤：
[0006]获取预设场景下的待处理植物图像，并确定所述待处理植物图像的场景距离信息；
[0007]根据所述场景距离信息对所述待处理植物图像进行膨胀处理，获得膨胀植物图像；
[0008]将所述膨胀植物图像输入至预设混合膨胀图像分割模型中，获得植物分割图像；
[0009]根据所述植物分割图像进行植物识别。
[0010]优选地，所述根据所述场景距离信息对所述待处理植物图像进行膨胀处理，获得膨胀植物图像的步骤，包括：
[0011]根据所述场景距离信息确定图像膨胀率；
[0012]获取所述待处理植物图像对应的图像像素信息；
[0013]根据所述图像膨胀率对所述图像像素信息进行膨胀处理，获得膨胀像素信息；
[0014]根据所述膨胀像素信息生成膨胀植物图像。
[0015]优选地，所述获取预设场景下的待处理植物图像，并确定所述待处理植物图像的场景距离信息的步骤之前，还包括：
[0016]获取不同场景下的多张植物图像样本；
[0017]分别确定所述多张植物图像样本对应的植物图像类别信息；
[0018]根据所述植物图像类别信息分别对所述多张植物图像样本进行预处理，获得多张植物图像训练样本和多张植物图像验证样本；
[0019]根据所述多张植物图像训练样本对初始网络模型进行训练，获得初始混合膨胀图
像分割模型；
[0020]根据所述多张植物图像验证样本和所述初始混合膨胀图像分割模型确定预设混合膨胀图像分割模型。
[0021]优选地，所述根据所述植物图像类别信息分别对所述多张植物图像样本进行预处理，获得多张植物图像训练样本和多张植物图像验证样本的步骤，包括：
[0022]根据所述植物图像类别信息分别确定所述多张植物图像样本对应的图像光照信息；
[0023]根据所述图像光照信息确定预设灰度世界消除规则；
[0024]根据所述预设灰度世界消除规则分别对所述多张植物图像样本进行处理，获得多张灰度图像样本；
[0025]根据所述多张灰度图像样本确定多张植物图像训练样本和多张植物图像验证样本。
[0026]优选地，所述根据所述多张灰度图像样本确定多张植物图像训练样本和多张植物图像验证样本的步骤，包括：
[0027]分别确定所述多张灰度图像对应的图像亮度信息；
[0028]根据所述图像亮度信息确定亮度处理函数；
[0029]通过所述亮度处理函数分别对所述多张灰度图像进行亮度调整，获得多张亮度图像样本；
[0030]根据所述多张亮度图像样本确定多张植物图像训练样本和多张植物图像验证样本。
[0031]优选地，所述根据所述多张亮度图像样本确定多张植物图像训练样本和多张植物图像验证样本的步骤，包括：
[0032]分别对所述多张亮度图像样本进行旋转镜像处理，获得多张旋转图像样本；
[0033]分别对所述多张旋转图像样本进行噪声处理，获得多张噪点图像样本；
[0034]分别对所述多张噪点图像样本进行模糊处理，获得多张模糊图像样本；
[0035]根据预设图像比例规则对所述多张模糊图像样本进行划分，获得多张植物图像训练样本和多张植物图像验证样本。
[0036]优选地，所述根据所述多张植物图像训练样本对初始网络模型进行训练，获得初始混合膨胀图像分割模型的步骤，包括：
[0037]分别确定所述多张植物图像训练样本对应的图像距离信息；
[0038]根据所述图像距离信息分别确定所述多张植物图像训练样本对应的图像样本膨胀率；
[0039]判断所述图像样本膨胀率是否满足预设膨胀因子关系；
[0040]在所述图像样本膨胀率满足所述预设膨胀因子关系时，根据所述多张植物图像训练样本和所述多张植物图像训练样本对应的图像样本膨胀率对初始网络模型进行训练，获得初始混合膨胀图像分割模型。
[0041]优选地，所述根据所述多张植物图像验证样本和所述初始混合膨胀图像分割模型确定预设混合膨胀图像分割模型的步骤，包括：
[0042]根据所述多张植物图像验证样本对所述初始混合膨胀图像分割模型进行验证，获
得模型评价指标分值；
[0043]在所述模型评价指标分值满足预设指标条件时，将所述初始混合膨胀图像分割模型作为预设混合膨胀图像分割模型。
[0044]此外，为实现上述目的，本专利技术还提出一种基于混合膨胀卷积的植物识别装置，所述基于混合膨胀卷积的植物识别装置包括：
[0045]获取模块，用于获取预设场景下的待处理植物图像，并确定所述待处理植物图像的场景距离信息；
[0046]处理模块，用于根据所述场景距离信息对所述待处理植物图像进行膨胀处理，获得膨胀植物图像；
[0047]分割模块，用于将所述膨胀植物图像输入至预设混合膨胀图像分割模型中，获得植物分割图像；
[0048]识别模块，用于根据所述植物分割图像进行植物识别。
[0049]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有基于混合膨胀卷积的植物识别程序，所述基于混合膨胀卷积的植物识别程序被处理器执行时实现如上文所述的基于混合膨胀卷积的植物识别方法的步骤。
[0050]本专利技术中，首先获取预设场景下的待处理植物图像，并确定待处理植物图像的场景距离信息，然后根据场景距离信息对待处理植物图像进行膨胀处理，获得膨胀植物图像，之后将膨胀植物图像输入至预设混合膨胀图像分割模型中，获得植物分割图像，最后根据植物分割图像进行植物识别。相较于现有技术中需要人工手动分割植物图像，导致植物图像处理的效率低下，而本专利技术中利用预设混合膨胀图像分割模型对植物图像进行处理，快速精准的获取植物分割图像，进而提高了植物识别的准确率。
附图说明
[0051]图1是本专利技术实施例方案涉及的硬件运行环境的基于混合膨胀卷积的植物识别设备的结构示意图；
[0052]图2为本专利技术基于混合膨胀卷积的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于混合膨胀卷积的植物识别方法，其特征在于，所述基于混合膨胀卷积的植物识别方法包括以下步骤：获取预设场景下的待处理植物图像，并确定所述待处理植物图像的场景距离信息；根据所述场景距离信息对所述待处理植物图像进行膨胀处理，获得膨胀植物图像；将所述膨胀植物图像输入至预设混合膨胀图像分割模型中，获得植物分割图像；根据所述植物分割图像进行植物识别。2.如权利要求1所述的方法，其特征在于，所述根据所述场景距离信息对所述待处理植物图像进行膨胀处理，获得膨胀植物图像的步骤，包括：根据所述场景距离信息确定图像膨胀率；获取所述待处理植物图像对应的图像像素信息；根据所述图像膨胀率对所述图像像素信息进行膨胀处理，获得膨胀像素信息；根据所述膨胀像素信息生成膨胀植物图像。3.如权利要求1所述的方法，其特征在于，所述获取预设场景下的待处理植物图像，并确定所述待处理植物图像的场景距离信息的步骤之前，还包括：获取不同场景下的多张植物图像样本；分别确定所述多张植物图像样本对应的植物图像类别信息；根据所述植物图像类别信息分别对所述多张植物图像样本进行预处理，获得多张植物图像训练样本和多张植物图像验证样本；根据所述多张植物图像训练样本对初始网络模型进行训练，获得初始混合膨胀图像分割模型；根据所述多张植物图像验证样本和所述初始混合膨胀图像分割模型确定预设混合膨胀图像分割模型。4.如权利要求3所述的方法，其特征在于，所述根据所述植物图像类别信息分别对所述多张植物图像样本进行预处理，获得多张植物图像训练样本和多张植物图像验证样本的步骤，包括：根据所述植物图像类别信息分别确定所述多张植物图像样本对应的图像光照信息；根据所述图像光照信息确定预设灰度世界消除规则；根据所述预设灰度世界消除规则分别对所述多张植物图像样本进行处理，获得多张灰度图像样本；根据所述多张灰度图像样本确定多张植物图像训练样本和多张植物图像验证样本。5.如权利要求4所述的方法，其特征在于，所述根据所述多张灰度图像样本确定多张植物图像训练样本和多张植物图像验证样本的步骤，包括：分别确定所述多张灰度图像对应的图像亮度信息；根据所述图像亮度信息确定亮度处理函数；通过所述亮度处理函数分别对所述多张灰度图像进行亮度调整，获得多张亮度图像样本；根据所述多张亮度图像样本确定多张植物图像训练...
【专利技术属性】
技术研发人员：郑禄，帖军，刘越，宋中山，王江晴，吴立锋，徐胜舟，肖博文，
申请(专利权)人：中南民族大学，
类型：发明
国别省市：
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。