目标果实实例分割方法及系统技术方案

本发明专利技术提供一种目标果实实例分割方法及系统，属于计算机视觉技术领域，对于获取的果园环境图像；利用预先训练好的分割模型对果园环境图像进行处理，获得识别分割结果；其中，预先训练好的分割模型由训练集训练得到，训练集包括多张果园环境图像以及标注图像中目标果实的标签；利用预先训练好的分割模型对果园环境图像进行处理时，对提取的特征进行语义类别识别和掩码分割，得到目标果实实例分割结果。本发明专利技术避免了模型对锚框的依赖性，减少了模型的复杂性，以端到端的方式为实例分割任务单独使用掩码注释来优化网络；不依赖于模型检测框，而是直接得到实例的像素分割结果，提高了目标果实识别与分割速度，鲁棒性高、实时性强，减少漏检和误检率。减少漏检和误检率。减少漏检和误检率。

【技术实现步骤摘要】
目标果实实例分割方法及系统


[0001]本专利技术涉及计算机视觉
，具体涉及一种基于优化的SOLO
‑
A网络的目标果实实例分割方法及系统。

技术介绍

[0002]对于苹果、西红柿、草莓等水果蔬菜的采摘或药物喷洒，采用智能机器人进行机器采摘或打药来代替传统的人工方式，可大大提高工作效率。而实现目标物的快速、精准识别与定位，直接影响着采摘机器人的对目标果实采摘的可靠性与实时性。目标果实的精准识别与定位是视觉系统的关键所在。但是对于复杂的果园环境，会出现枝叶遮挡、果实重叠、阴雨天气等问题，导致机器人识别果实的难度增大。
[0003]近年来，针对提高目标的识别效率，提出了许多优秀的检测与分割方法。基于机器学习的目标识别方法对目标果实的检测和分割具有重要的启蒙作用。但是基于机器学习的方法不能解决复杂的问题，因此，衍生出深度学习网络。基于深度学习，已经提出了很多优秀的分割模型，如Mask RCNN、YOLCAT、PolarMask等等。但是这些方法，在复杂的果园环境下，往往精确度不够高，不能达到实时作业的要求。
专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标果实实例分割方法，其特征在于，包括：获取果园环境图像；利用预先训练好的分割模型对果园环境图像进行处理，获得目标果实的识别分割结果；其中，所述预先训练好的分割模型由训练集训练得到，所述训练集包括多张果园环境图像以及标注图像中目标果实的标签；其中，利用预先训练好的分割模型对果园环境图像进行处理时，对提取的特征进行语义类别识别和掩码分割，得到目标果实实例分割结果。2.根据权利要求1所述的目标果实实例分割方法，其特征在于，训练所述分割模型包括：构建基础网络对训练集的图像进行特征提取，并对提取的特征进行特征融合，得到融合特征图；对融合特征图中的每一层特征图分别进行预测，得到每一个目标实例的语义类别预测结果，同时生成预测的掩码分割结果；计算预测值与真实值之间的差值，并通过梯度反向传播网络参数，最终进行收敛，得到最后的优化好的分割模型。3.根据权利要求2所述的目标果实实例分割方法，其特征在于，基础网络采用ResNet网络来提取图像特征，在每一个网络层后添加CBAM注意力机制，增强图像特征的表达能力。4.根据权利要求3所述的目标果实实例分割方法，其特征在于，采用特征金字塔网络FPN，以自顶向下结合横向连接的方式融合ResNet中残差块的输出，得到融合特征图。5.根据权利要求2所述的目标果实实例分割方法，其特征在于，采集果园环境下的多张果实照片，进行果实轮廓的标注；对标注后的图像进行预处理，依次通过灰...

【专利技术属性】
技术研发人员：魏金梦，贾伟宽，张为可，赵瑞娜，丁艳辉，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：