【技术实现步骤摘要】
一种基于改进Segnet图像分割的收割机视觉导航方法与系统
[0001]本专利技术涉及深度学习与计算机视觉、图像分析
，具体是涉及一种基于改进Segnet图像分割的收割机视觉导航方法及系统。
技术介绍
[0002]目前，利用深度学习对于图像进行分割并通过分割的图像获取图像信息的技术被应用至农业生产领域，专利申请号为CN202110287975.7的专利技术专利的申请利用了Segnet网络模型对获取的高粱倒伏进行的图像分割，其在Segnet网络模型编码阶段采用了MobileNet网络对Segnet网络进行轻量化，实现对图像的快速分割。但是这样的分割速度针对收割机而言时不足够的，收割机收割庄稼时是实时动态的移动，对于采集的图像需要更加快速的分割，并根据分割后的图像计算并筛选出期望路径用于导航。
技术实现思路
[0003]专利技术目的：针对以上缺点，本专利技术提供一种基于改进Segnet图像分割的收割机视觉导航方法，实现快速的识别对收割机获取的图像进行语义分割，并根据分割后的特征图像计算并筛选出合适的收割路径...
【技术保护点】
【技术特征摘要】
1.一种基于改进Segnet图像分割的收割机视觉导航方法，其特征在于，包括以下步骤：(1)采集待分割的田间农作物图像进行预处理；(2)利用改进Segnet模型对获取的田间农作物图像进行语义分割，生成目标特征图；所述的改进Segnet模型是指利用ShuffleNetV2网络作为Segnet模型中的编码器部分；(3)利用边缘检测算法获取目标特征图中目标的边界像素点及位置信息；(4)将获取的边界像素点及位置信息作为累计概率霍夫变换PPHT算法的输入，通过调整threshold参数、minLinelength参数、maxLineGap参数，使得累计概率霍夫变换PPHT算法最终输出一条直线线段作为目标直线路径用于导航。2.根据权利要求1所述基于改进Segnet图像分割的收割机视觉导航方法，其特征在于，步骤(2)中利用改进Segnet模型生成目标特征图具体包括:(2.1)获取田间农作物图像并设置感兴趣区域进行标记，将标记好的数据集分为训练集和测试集；针对训练集中标记好的图像进行图像增强处理；(2.2)通过调整改进Segnet模型中权重系数向量ω和学习率α，进行模型迭代训练，选取均交并比值MIoU最大的模型作为最优模型；式中，k表示类别数量；k+1表示包含空类的类别个数；p
ij
表示假正样本数量；p
ji
表示假负样本数量；p
ii
表示真正样本数量；(2.3)利用最优模型对待分割的田间农作物图像进行图像分割，获取目标特征图。3.根据权利要求1所述基于改进Segnet图像分割的收割机视觉导航方法，其特征在于，针对步骤(2)中ShuffleNetV2网络做进一步改进，针对ShuffleNetV2网络中基本单元的构建具体包括以下步骤：(a)通过Channel Split操作将输入根据通道数划分成两组特征图，然后两组特征图分别传输进入两个分支；(b)传输至其中一个分支的特征图先进行1
×
1的卷积后，再输入基于深度可分离卷积的ASPP结构进行卷积操作后进行拼接输出，再经过1
×
1的卷积后输出特征图；所述的ASPP结构为三个不同大小的深度可分离卷积层分支；(c)经过一个分支输出的特征图与另一分支输出的特征图进行拼接输出，最后通过Channel Shuffle操作后输出。4.根据权利要求3所述基于改进Segnet图像分割的收割机视觉导航方法，其特征在于，针对步骤(2)中ShuffleNetV2网络做进一步改进，针对ShuffleNetV2网络中空间下采样单元的构建具体包括以下步骤：(d)将上层网络输出的特征图作为输入复制到两个分支，其中...
【专利技术属性】
技术研发人员：卢柱，齐亮，李邦昱，张永韡，宋英磊，李长江，暴琳，
申请(专利权)人：江苏科技大学，
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。