基于编解码结构的轻量型茶叶嫩梢分割方法、装置和介质制造方法及图纸

一种基于编解码结构的轻量型茶叶嫩梢分割方法、装置和介质，涉及计算机视觉技术领域。轻量型茶叶嫩梢分割方法包含：S1、获取初始图像，并进行预处理。S2、将预处理后的图像输入预先训练好的轻量型分割模型，获取茶叶嫩芽的识别图像。轻量型分割模型包括依次连接的多个编码模块、依次连接的多个解码模块、用以连接最后一个编码模块和第一个解码模块的ASPP模块。编码模块和解码模块之间一一对应，并通过注意力门模块进行跨层连接。注意力门模块用以将编码模块和解码模块输出的特征进行融合，以获取更加显著的特征。第一个注意力门用以将最后一个编码模块和ASPP模块输出的特征进行融合。轻量型茶叶嫩梢分割方法计算量小且识别精度更高。高。高。

【技术实现步骤摘要】
基于编解码结构的轻量型茶叶嫩梢分割方法、装置和介质


[0001]本专利技术涉及计算机视觉
，具体而言，涉及一种基于编解码结构的轻量型茶叶嫩梢分割方法、装置和介质。

技术介绍

[0002]茶叶产业属于劳动密集型产业，尤其是在采摘过程需要花费大量的劳动力进行人工采摘。近年来，劳动力老龄化日趋明显，用工难、人工成本高已经成为茶叶产业不得不面临的关键问题，因此有必要开展基于先进技术的智能采茶技术发展的研究。
[0003]传统的茶叶机械化采摘主要采用往复切割的方法，进行无差别的茶叶采摘，容易引起茶叶完整率较低、导致芽叶破损、茶叶漏采、茶叶误采等现象。
[0004]因此，部分技术基于计算机视觉识别茶树上的嫩叶，然后通过采摘设备有针对性的对茶叶进行采摘，以保证茶叶的完整性。但是，传统的视觉识别方法，所提取的特征比较单一，受光照影响比较明显，且识别的精度非常依赖所选取的特征，导致识别精度较低。并且传统的编解码结构往往采用多个卷积池化操作进行下采样特征提取，然后采用插值法或者转置卷积法进行图像恢复，这些操作需要耗费更多的参数和计算量，不能满本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于编解码结构的轻量型茶叶嫩梢分割方法，其特征在于，包含：获取初始图像，并进行预处理；将预处理后的图像输入预先训练好的轻量型分割模型，获取茶叶嫩芽的识别图像；所述轻量型分割模型包括依次连接的多个编码模块、依次连接的多个解码模块、用以连接最后一个编码模块和第一个解码模块的ASPP模块；编码模块和解码模块之间一一对应，并通过注意力门模块进行跨层连接；注意力门模块用以将编码模块和解码模块输出的特征进行融合，以获取更加显著的特征；第一个注意力门用以将最后一个编码模块和ASPP模块输出的特征进行融合。2.根据权利要求1所述的基于编解码结构的轻量型茶叶嫩梢分割方法，其特征在于，所述编码模块包括依次连接的第一卷积层、第一批量归一化层、第一激活层、第二卷积层、第二批量归一化层、第二激活层和第一相加层；其中，所述第一相加层用以将输入第一卷积层的特征和第二激活层输出的特征相加；所述解码模块包括依次连接的第一亚像素卷积层、第一拼接层、第三卷积层、第三批量归一化层、第三激活层和第二相加层；所述第一亚像素卷积层用以对上一个解码模块输出的特征进行上采样；所述第一拼接层用以拼接所述注意力门输出的特征和所述第一亚像素卷积层输出的特征；所述第二相加层用以将所述第一拼接层输出的特征和所述第三激活层输出的特征相加。3.根据权利要求2所述的基于编解码结构的轻量型茶叶嫩梢分割方法，其特征在于，所述轻量型分割模型包括四个所述编码模块和四个所述解码模块；所述第一卷积层、所述第二卷积层和所述第三卷积层的卷积核3*3；所述第一卷积层的步长为2；所述第一激活层、所述第二激活层和所述第三激活层为Relu层。4.根据权利要求1所述的基于编解码结构的轻量型茶叶嫩梢分割方法，其特征在于，所述ASPP模块包括用以输出特征的第八卷积层、连接于所述第八卷积层的第二拼接层、平行设置且分别连接于所述第二拼接层的图像池化层、第四卷积层、第五卷积层、第六卷积层、第七卷积层；所述第四卷积层、所述第五卷积层和所述第六卷积层的卷积核为3*3；所述第四卷积层的扩张率为18；所述第五卷积层的扩张率为12；所述第六卷积层的扩张率为6；所述第七卷积层和所述第八卷积层的卷积核为1*1。5.根据权利要求1所述的基于编解码结构的轻量型茶叶嫩梢分割方法，其特征在于，所述注意力门模块包括平行设置的第九卷积层和第十卷积层、连接于所述第九卷积层和所述第十卷积层的第三相加层、连接于所述第三相加层的...

【专利技术属性】
技术研发人员：黎钟德，秦彩杰，
申请(专利权)人：三明学院，
类型：发明
国别省市：