一种阳光玫瑰葡萄果实大小粒图像识别方法技术

本发明专利技术公开一种阳光玫瑰葡萄果实大小粒图像识别方法，包括以下步骤：（1）图片数据集制作：收集阳光玫瑰葡萄果穗图片数据，并对阳光玫瑰葡萄果穗图片数据中的果粒进行实例分割标注后，按一定比例划分为训练集、验证集与测试集；（2）机器学习模型数据处理：（3）机器学习模型训练；（4）构建实例分割网络；（5）构建损失函数；（6）实例分割模型训练；（7）模型推理：得到大小粒分类结果。本发明专利技术利用实例分割与机器学习算法，满足阳光玫瑰葡萄的大规模快速测量需求，同时可对果粒指标进行量化，提升识别准确率。率。率。

【技术实现步骤摘要】
一种阳光玫瑰葡萄果实大小粒图像识别方法


[0001]本专利技术涉及葡萄图像识别的
，更具体地，涉及一种阳光玫瑰葡萄果实大小粒图像识别方法。

技术介绍

[0002]阳光玫瑰葡萄近年来凭借清甜的口感以及独特的玫瑰香味备受消费者喜爱，随着市场需求的不断增长，阳光玫瑰葡萄的种植规模也在快速扩张，因此，提高葡萄果实产量的同时做好品质控制尤为重要。
[0003]葡萄果实大小粒是阳光玫瑰葡萄栽培过程中常见的生理性病害，具体表现为果实大小不均匀，呈现明显的大小粒现象。果实大小粒问题若不及时处理，将导致阳光玫瑰葡萄产量下降，品质降低，对产品价值、经济效益造成重要影响。
[0004]传统的葡萄果实大小粒判定方法依赖人工测量的方式，并对每个果穗上的所有果粒进行大小分类，计算小果率，根据经验判断是否为该果穗是否为大小粒。人工测量的方式效率较低，不适用于大规模测量需求。
[0005]随着现代农业与人工智能技术的发展，一些基于计算机视觉的识别方法可实现大规模、方便快捷的葡萄果实大小粒识别。基于图像分类的方法通常将葡萄图像分为正常和大小粒2类，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种阳光玫瑰葡萄果实大小粒图像识别方法，其特征在于：包括以下步骤：(1)图片数据集制作：收集阳光玫瑰葡萄果穗图片数据，并对阳光玫瑰葡萄果穗图片数据中的果粒进行实例分割标注后，按一定比例划分为训练集、验证集与测试集；(2)机器学习模型数据处理：针对训练集、验证集分别进行数据统计与机器学习模型特征值计算，标注人员通过结合阳光玫瑰葡萄果穗图片与计算好的特征值，判断该阳光玫瑰葡萄果穗图片是否为大小粒，得到机器学习训练集与机器学习验证集；机器学习训练集用于机器学习模型训练，(5)构建损失函数：采用Dice Loss损失函数用于步骤(4)中掩码学习的监督，Focal Loss损失函数用于步骤(4)中分类学习的监督，对Dice Loss损失函数和Focal Loss损失函数进行加权得到最终的损失函数；机器学习验证集用于中间模型验证与最佳模型选取。(3)机器学习模型训练：步骤(2)中处理好的机器学习训练集输入至XGBoost模型进行训练，训练过程中，将机器学习验证集输入至训练好的模型进行验证；(4)构建实例分割网络；所述实例分割网络用于背景或果粒的分类学习，能够定位出果粒位置，并提取出果粒掩码，进行掩码学习；(5)构建损失函数：采用Dice Loss损失函数用于步骤(4)中掩码学习的监督，Focal Loss损失函数用于步骤(4)中分类学习的监督，对Dice Loss损失函数和Focal Loss损失函数进行加权得到最终的损失函数；(6)实例分割模型训练：将训练集输入至步骤(4)中的实例分割网络，采用步骤(5)中的损失函数进行监督训练，每一轮训练完成后输出一个中间模型，将验证集输入至训练好的中间模型进行验证，获得模型参数，训练结束后选取准确率最高的模型作为最佳模型；(7)模型推理：将步骤(6)中训练好的模型参数加载至步骤(4)实例分割网络，并将步骤(1)中测试集的阳光玫瑰葡萄果穗图片依次输入至实例分割网络进行推理，得到实例分割结果；对实例分割结果进行数据统计与特征选择，最后特征输入到步骤(3)训练好的机器学习模型，得到大小粒分类结果。2.根据权利要求1所述的一种阳...

【专利技术属性】
技术研发人员：苏家仪，王筱东，韦光亮，申智辉，顾小宁，刘志斌，
申请(专利权)人：广西慧云信息技术有限公司，
类型：发明
国别省市：