【技术实现步骤摘要】
一种西瓜及其瓜藤识别检测方法
[0001]本专利技术属于农业方向的计算机视觉
，涉及一种西瓜及其瓜藤识别检测方法。
技术介绍
[0002]西瓜采收是较为繁杂的过程，而且目前国内的农业劳动力较为紧缺，引入西瓜采收机器人有利于解放劳动力，降低人力成本。而西瓜识别检测和瓜藤识别分割的精度直接影响着西瓜采摘机器人的工作质量。
[0003]随着深度学习在计算机视觉领域的大热，目标检测算法的精度不断改进，并且算法的效率逐渐提升。但在西瓜采摘工作中，西瓜的检测定位并不是难事，关键在于将需要剪切的瓜藤的位置和轮廓分割出来，亟需要实现西瓜及其瓜藤的有效识别和检测。
技术实现思路
[0004]为了克服已有技术无法实现西瓜及其瓜藤的有效识别和检测的不足,本专利技术提供了一种西瓜及其瓜藤识别检测方法，在目标检测的基础上还加入了语义分割算法，使得在检测西瓜瓜体位置的同时，还能识别出瓜藤的轮廓。实现像素级别的瓜藤轮廓分割，为后续的采摘工作提供更多的信息。
[0005]本专利技术解决其技术问题所采用的技术方案是：
【技术保护点】
【技术特征摘要】
1.一种西瓜及其瓜藤识别检测方法，其特征在于，所述方法包括以下步骤：步骤一：采集西瓜图像，利用相机在西瓜大棚和西瓜地中采集不同时段、不同角度的西瓜图像；步骤二：制作西瓜数据集，第一种是用于训练YOLOv5算法的数据集，需要不同角度和距离的图像；第二种是用于训练U
‑
Net算法的数据集，需要包含西瓜果柄的西瓜近景图像；数据集的标注过程为：第一批数据集是通过矩形框标出西瓜及其瓜藤的位置；第二批数据集需要用多边形将西瓜瓜藤的轮廓框选出来；步骤三：构建两个算法模型：需要构建YOLOv5网络模型和U
‑
Net网络模型，针对西瓜藤轮廓分割的需求，对U
‑
Net网络模型进行优化，将其特征提取网络部分替换为ResNet
‑
50，减小模型的大小和运算耗时，并将下采样部分替换为空洞卷积，减少下采样过程中的信息损失；步骤四：训练模型，用第一种数据集训练YOLOv5网络模型，第二种数据集训练U
‑
Net网络模型；步骤五：算法运行：将训练好的模型输出成.pt格式的权重文件，将西瓜图片作为YOLOv5模型的输入，得到西瓜位置和果柄位置，以果柄位置为中心，划分出ROI区域，作为U
‑
Net模型的输入，实现瓜藤轮廓的分割，得到西瓜位置、西瓜大小、瓜藤切割点和瓜藤的轮廓信息。2.如权利要求1所述的一种西瓜及其瓜藤识别检测方法，其特征在于，所述步骤二中，将采集到的图像进行数据增强，包括...
【专利技术属性】
技术研发人员：杨庆华，曾翰喜，王志杰，荀一，王志恒，都明宇，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。