脐橙果实病害图像标注方法、装置、计算机设备制造方法及图纸

本发明专利技术实施例公开了一种脐橙果实病害图像标注方法，将脐橙果实病害图像数据输入图像数据处理模块，图像数据处理模块输出作为边缘检测模块的输入，边缘检测模块的输出以及原图作为图像数据标注模块的输入，图像标注模块输出为标注图像以及标注坐标信息文本，由此可知，本方法应用与脐橙病害图像数据集标注可以实现自动批处理标注，替代传统人工标注，极大程度上降低时间和人工成本。程度上降低时间和人工成本。程度上降低时间和人工成本。

Image annotation method, device and computer equipment of navel orange fruit disease

【技术实现步骤摘要】
脐橙果实病害图像标注方法、装置、计算机设备


[0001]本专利技术涉及农业图像数据处理
，尤其涉及一种脐橙果实病害图像标注方法。

技术介绍

[0002]脐橙是世界使用最广泛的水果之一，中国是世界上脐橙生产和消费的大国，在世界脐橙产业中占有重要的地位。随着人工智能技术的发展，对脐橙果实病害的识别逐步采用计算机视觉技术替代人工，在此基础上，对于脐橙果实病害图像数据集的标注技术不可或缺。目前对于深度学习数据集的图像标注的主要方法是利用LabelImage软件工具人工每张图片进行标注。该方法耗费大量的时间和人工成本。

技术实现思路

[0003]为解决现有存在的技术问题，本专利技术实施例提供了一种脐橙果实病害图像标注方法。
[0004]为达到上述目的，本专利技术实施例的技术方案是这样实现的：
[0005]本专利技术实施例提供了一种脐橙果实病害图像标注方法，所述方法包括：
[0006]根据所述脐橙果实病害图像，输出预处理图像，其中，所述预处理图像的清晰度大于所述脐橙果实病害图像；
[0007]根据所述预处理图像，输出标注框的起点横纵坐标、宽和高，其中，所述标注框内为所述预处理图像上的脐橙病害果实；
[0008]根据所述标注框的起点横纵坐标、宽和高以及所述脐橙果实病害图像，输出绘制了所述标注框的标注图像。
[0009]优选的，所述根据所述脐橙果实病害图像，输出预处理图像，包括：
[0010]根据所述脐橙果实病害图像，将所述脐橙果实病害图像转换成为灰度图；
[0011]对所述灰度图进行消除图像噪音处理，再进行形态学闭运算，最后输出所述预处理图像。
[0012]优选的，所述对所述灰度图进行消除图像噪音处理，包括：
[0013]按照高斯滤波计算策略，对所述灰度图进行消除图像噪音处理。
[0014]优选的，所述根据所述预处理图像，输出标注框的起点横纵坐标、宽和高，包括：
[0015]根据所述预处理图像，计算所述预处理图像中的每个像素点的梯度强度和方向；
[0016]根据每个所述像素点的梯度强度和方向，确定脐橙病害果实真实和潜在的边缘，然后，按照边缘检测计算策略，输出带有脐橙病害果实边缘信息的二值化图像；
[0017]根据所述二值化图像，输出所述标注框的起点横纵坐标、宽和高。
[0018]优选的，所述根据所述二值化图像，输出所述标注框的起点横纵坐标、宽和高，包括：
[0019]根据所述二值化图像，按照轮廓近似计算策略，输出一组或多组脐橙病害果实的
边缘轮廓坐标信息；
[0020]根据每组脐橙病害果实的边缘轮廓坐标信息，确定所述标注框的起点横纵坐标、宽和高。
[0021]优选的，所述根据所述预处理图像，计算所述预处理图像中的每个像素点的梯度强度和方向，包括：
[0022]根据所述预处理图像，计算所述预处理图像中的每个像素点的梯度强度和方向，再按照线性插值计算策略抑制冗余的脐橙病害果实的边缘。
[0023]优选的，所述根据所述标注框的起点横纵坐标、宽和高以及所述脐橙果实病害图像，输出绘制了所述标注框的标注图像，包括：
[0024]通过2D绘图库输入所述标注框的起点横纵坐标、宽和高以及原始图像，输出绘制了所述标注框的标注图像。
[0025]本专利技术实施例还提供了一种脐橙果实病害图像标注装置，包括：
[0026]图像预处理模块，用于根据所述脐橙果实病害图像，输出预处理图像；
[0027]脐橙果实检测模块，用于根据所述预处理图像，输出标注框的起点横纵坐标、宽和高；
[0028]图像标注模块，用于根据所述标注框的起点横纵坐标、宽和高以及所述脐橙果实病害图像，输出绘制了所述标注框的标注图像。
[0029]本专利技术实施例还提供了一种计算机设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中所述处理器用于运行所述计算机程序时，实现所述的脐橙果实病害图像标注方法。
[0030]本专利技术实施例还提供了一种计算机存储介质，存储有可执行程序，所述可执行程序被处理器执行时，实现所述的脐橙果实病害图像标注方法。
[0031]上述实施例所提供的一种脐橙果实病害图像标注方法，将脐橙果实病害图像数据输入图像数据处理模块，图像数据处理模块输出作为边缘检测模块的输入，边缘检测模块的输出以及原图作为图像数据标注模块的输入，图像标注模块输出为标注图像以及标注坐标信息文本，由此可知，本方法应用与脐橙病害图像数据集标注可以实现自动批处理标注，替代传统人工标注，极大程度上降低时间和人工成本。
附图说明
[0032]图1为本专利技术一实施例所提供的方法的流程示意图；
[0033]图2为本专利技术一实施例所提供的装置的结构示意图；
[0034]图3为本专利技术一实施例所提供的计算机设备的结构示意图；
具体实施方式
[0035]以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0036]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“和/或”包括一个或多个相
关的所列项目的任意的和所有的组合。
[0037]本专利技术实施例中提供的一种脐橙果实病害图像标注方法，属于农业图像数据处理
，应用场景可以为：脐橙果实病害图像标注等场景中。可以理解的是，脐橙是世界使用最广泛的水果之一，中国是世界上脐橙生产和消费的大国，在世界脐橙产业中占有重要的地位。随着人工智能技术的发展，对脐橙果实病害的识别逐步采用计算机视觉技术替代人工，在此基础上，对于脐橙果实病害图像数据集的标注技术不可或缺。目前对于深度学习数据集的图像标注的主要方法是利用LabelImage软件工具人工每张图片进行标注。该方法耗费大量的时间和人工成本。
[0038]基于此，如何提高成为了亟需解决的技术问题。
[0039]需要指出的是，该方法由计算机设备执行。需要说明的是，这里的计算机设备是指任何具有计算处理功能的设备，包括但不限于固定终端设备或者移动终端设备。该固定终端设备可以包括但不限于台式电脑或者计算机设备等，该移动终端设备可以包括但不限于手机、平板电脑、穿戴式设备或者笔记本电脑等。
[0040]以下结合附图及具体实施例对本专利技术技术方案做进一步的详细阐述。
[0041]参考图1，本专利技术实施例提供一种脐橙果实病害图像标注方法，所述方法包括：
[0042]S11：根据所述脐橙果实病害图像，输出预处理图像，其中，所述预处理图像的清晰度大于所述脐橙果实病害图像；
[0043]S12：根据所述预处理图像，输出标注框的起点横纵坐标、宽和高，其中，所述标注框内为所述预处理图像上的脐橙病害果实；
[0044本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脐橙果实病害图像标注方法，其特征在于，所述方法包括：根据所述脐橙果实病害图像，输出预处理图像，其中，所述预处理图像的清晰度大于所述脐橙果实病害图像；根据所述预处理图像，输出标注框的起点横纵坐标、宽和高，其中，所述标注框内为所述预处理图像上的脐橙病害果实；根据所述标注框的起点横纵坐标、宽和高以及所述脐橙果实病害图像，输出绘制了所述标注框的标注图像。2.根据权利要求1所述的方法，其特征在于，所述根据所述脐橙果实病害图像，输出预处理图像，包括：根据所述脐橙果实病害图像，将所述脐橙果实病害图像转换成为灰度图；对所述灰度图进行消除图像噪音处理，再进行形态学闭运算，最后输出所述预处理图像。3.根据权利要求2所述的方法，其特征在于，所述对所述灰度图进行消除图像噪音处理，包括：按照高斯滤波计算策略，对所述灰度图进行消除图像噪音处理。4.根据权利要求1所述的方法，其特征在于，所述根据所述预处理图像，输出标注框的起点横纵坐标、宽和高，包括：根据所述预处理图像，计算所述预处理图像中的每个像素点的梯度强度和方向；根据每个所述像素点的梯度强度和方向，确定脐橙病害果实真实和潜在的边缘，然后，按照边缘检测计算策略，输出带有脐橙病害果实边缘信息的二值化图像；根据所述二值化图像，输出所述标注框的起点横纵坐标、宽和高。5.根据权利要求4所述的方法，其特征在于，所述根据所述二值化图像，输出所述标注框的起点横纵坐标、宽和高，包括：根据所述二值化图像，按照轮廓近似计算策略，输...

【专利技术属性】
技术研发人员：张秋谦，李麟，赖祯杰，张继生，
申请(专利权)人：江西裕丰智能农业科技有限公司，
类型：发明
国别省市：