一种复杂果园环境下的果实检测方法及系统技术方案

本发明专利技术公开一种复杂果园环境下的果实检测方法及系统，包括：获取不同干扰环境下的果实图像，标注果实图像中的目标果实；提取果实图像的图像特征，并进行多尺度特征融合，对得到的融合特征图以逐像素方式进行重构，得到重构特征图；标注目标果实所在真实框在重构特征图上对应的正采样区域，根据真实框的标注信息确定正采样区域中每个空间位置的训练目标，由训练目标对果实检测模型进行训练；对待测果实图像采用训练后的果实检测模型得到目标果实识别结果。解决同色系背景及其它各种干扰而导致模型的识别难度大等问题，平衡果实检测时在时间和精度之间的关系，在保证检测精度的前提下，提高实时性。提高实时性。提高实时性。

【技术实现步骤摘要】
一种复杂果园环境下的果实检测方法及系统


[0001]本专利技术涉及果实识别
，特别是涉及一种复杂果园环境下的果实检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]目前，在果实识别领域大多采用机器学习算法与深度学习算法。其中，基于机器学习的果实识别算法中，通常会有对图像进行预处理、人工提取选择图像特征等操作，当果实由于光照强度、角度或自然环境变化等因素出现纹理特征不明显；枝干、树叶遮挡或果实间相互重叠等因素出现形状缺失；目标果实与同色系叶片背景相似出现颜色干扰等问题时，上述问题都会干扰模型对果实的检测精度，从而影响采摘机器人的实际操作，影响工作效率。
[0004]基于深度学习算法的模型相较于机器学习的算法在精度、鲁棒性和效率方面已经有一定的进步，但是大部分方法还是基于锚框，因此算法的计算量大，不能保证采摘机器人的工作效率，且在部署到真实环境时还需要综合考虑功耗及稳定问题。

技术实现思路

[0005]为了解决上述问题，本专利技术提出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复杂果园环境下的果实检测方法，其特征在于，包括：获取不同干扰环境下的果实图像，标注果实图像中的目标果实；提取果实图像的图像特征，并进行多尺度特征融合，对得到的融合特征图以逐像素方式进行重构，得到重构特征图；标注目标果实所在真实框在重构特征图上对应的正采样区域，根据真实框的标注信息确定正采样区域中每个空间位置的训练目标，由训练目标对果实检测模型进行训练；对待测果实图像采用训练后的果实检测模型得到目标果实识别结果。2.如权利要求1所述的一种复杂果园环境下的果实检测方法，其特征在于，提取果实图像的图像特征的过程包括：采用优化的残差网络提取图像特征，所述优化的残差网络为将残差网络中的每个卷积层替换为可切换空洞卷积，所述可切换空洞卷积为在卷积层之间引入扩张率参数，且利用添加空洞扩大感受野。3.如权利要求1所述的一种复杂果园环境下的果实检测方法，其特征在于，多尺度特征融合的过程包括：对图像特征采用递归特征金字塔按自顶向下与横向连接的方式进行融合，所述递归特征金字塔为在特征金字塔上加入反馈连接和汇集空间金字塔而构建。4.如权利要求1所述的一种复杂果园环境下的果实检测方法，其特征在于，对得到的融合特征图以逐像素方式进行重构的过程包括：通过双向卷积添加特征地图，对每个特征点标注包围盒，根据包围盒的坐标得到包围盒在特征地图上对应的特征向量，采用双线性插值方法更新特征向量，遍历特征点后重构特征图。5.如权利要求1所述的一种复杂果园环境下的果实检测方法，其特征在于，所述训练目标包括分类训练目标和边框回归训练目标...

【专利技术属性】
技术研发人员：贾伟宽，刘杰，赵瑞娜，徐莹，张琦，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：