融合全局细粒度信息的夜间小目标果实检测方法及系统技术方案

本公开提供了一种融合全局细粒度信息的夜间小目标果实检测方法，其特征在于，包括：获取待检测的果实图像；基于预先训练的残差网络模型，对所述果实图像进行特征提取；其中，所述残差网络模型包括若干卷积块及焦点瓶颈Transformer结构，通过所述焦点瓶颈Transformer结构从全局区域提取粗粒度信息和局部细粒度信息；将所述残差网络模型每层输出的特征，作为特征金字塔网络模型每层的输入，输出不同尺度下的特征信息；将所述特征信息输入到预先训练的目标检测器中，输出目标检测结果。果。果。

【技术实现步骤摘要】
融合全局细粒度信息的夜间小目标果实检测方法及系统


[0001]本公开属于农业机械目标检测
，尤其涉及一种融合全局细粒度信息的夜间小目标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公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]小目标果实的精准检测是实现果实生长全过程监测、自动化农药喷洒与智能化施肥等农业作业的基础。受目标果实大小的影响，目标果实在未成熟阶段，特别是在果实生长早期，由于目标果实较小，采集的图像中所包含的小目标果实的像素信息过少，极大的限制了小目标果实检测精确度的增加。此外，在复杂的非结构果园环境中，诸多果实的表皮颜色与果园背景颜色相近，从而大大增加了小目标果实的检测难度。
[0004]在小目标果实检测早期，主要采用机器学习与图像处理技术，借助图像的色彩、纹理信息与分类器等诸多方法来实现小目标果实的检测。近年来，随着深度学习技术的发展，深度学习已经被应用到小目标果实检测领域。以卷积神经网络为例，利用卷积神经网络提取特征，然后将特征映射输入到检测器中，从而获得目标果实的检测结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合全局细粒度信息的夜间小目标果实检测方法，其特征在于，包括：获取待检测的果实图像；基于预先训练的残差网络模型，对所述果实图像进行特征提取；其中，所述残差网络模型包括若干卷积块及焦点瓶颈Transformer结构，通过所述焦点瓶颈Transformer结构从全局区域提取粗粒度信息和局部细粒度信息；将所述残差网络模型每层输出的特征，作为特征金字塔网络模型每层的输入，输出不同尺度下的特征信息；将所述特征信息输入到预先训练的目标检测器中，输出目标检测结果。2.如权利要求1所述的一种融合全局细粒度信息的夜间小目标果实检测方法，其特征在于，所述焦点瓶颈Transformer结构为带有残差结构且中间层为焦点Transformer层的瓶颈结构组成。3.如权利要求1所述的一种融合全局细粒度信息的夜间小目标果实检测方法，其特征在于，所述焦点Transformer层的编码器经过带有残差结构的焦点多头自注意力机制模块和带有残差结构的多层感知机，获得全局粗粒度信息与局部细粒度信息。4.如权利要求1所述的一种融合全局细粒度信息的夜间小目标果实检测方法，其特征在于，所述残差网络模型包括五部分，其中，前四部分均为卷积块，第五部分为焦点瓶颈Transformer结构，第四部分卷积块的输出结果输入到所述焦点瓶颈Transformer结构中。5.如权利要求1所述的一种融合全局细粒度信息的夜间小目标果实检测方法，其特征在于，所述残差网络模型的五部分输出结果分别作为所述特征金字塔网络模型各层的输入，其输入顺序按照卷积尺度从大到小进行排序。6.如权利要求1所述的一种融合全局细粒度信息的夜间小目标果实检测方法，其特征在于，所述残差网络模型的训练，具体为：构建训练数据集，其中，所述数据集的样...

【专利技术属性】
技术研发人员：贾伟宽，孙美丽，魏金梦，徐连诚，郑元杰，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：