一种菠萝花蕊的识别定位方法、电子设备及存储介质技术

本申请涉及图像识别技术领域，具体提供了一种菠萝花蕊的识别定位方法、电子设备及存储介质，该方法包括步骤：S1、将采集到的第一图像信息输入菠萝花蕊识别定位模型，菠萝花蕊识别定位模型在第一图像信息中生成预测框信息的过程包括：A1、根据第一图像信息获取浅层特征图、中层特征图和深层特征图；A2、基于膨胀网络分别对浅层特征图、中层特征图和深层特征图进行卷积堆叠，以获取三个第一特征图；A3、根据三个第一特征图生成包裹菠萝花蕊的预测框信息；S2、基于预测框信息获取菠萝花蕊的中心位置信息，并基于中心位置信息和预设的变换矩阵生成菠萝花蕊的三维坐标信息；该方法能够有效地提高菠萝花蕊的识别定位方法的识别定位速度。高菠萝花蕊的识别定位方法的识别定位速度。高菠萝花蕊的识别定位方法的识别定位速度。

【技术实现步骤摘要】
一种菠萝花蕊的识别定位方法、电子设备及存储介质


[0001]本申请涉及图像识别
，具体而言，涉及一种菠萝花蕊的识别定位方法、电子设备及存储介质。

技术介绍

[0002]现有技术通常使用移动机器人进行点花，其工作流程为：移动机器人以固定的速度按照预先规划的路线移动，并在移动过程中持续采集图像和分析图像中是否存在待点花植株，在分析到图像中存在待点花植株时，移动机器人停止移动并通过采集到的图像对待点花植株的花蕊进行识别定位，以对待点花植株进行点花。现有的花蕊识别定位方法利用花蕊识别定位模型对花蕊进行识别定位，现有的花蕊识别定位模型利用特征金字塔（FPN）对图像中的特征进行提取和融合，由于特征金字塔综合了多尺度特征融合和分而治之的优势，因此特征金字塔的结构较为复杂，从而导致内存负担增大，特征提取速度和特征融合速度降低，进而导致花蕊识别定位方法的识别定位速度降低。
[0003]针对上述问题，目前尚未有有效的技术解决方案。

技术实现思路

[0004]本申请的目的在于提供一种菠萝花蕊的识别定位方法、电子设备及存储介质，能够有效地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种菠萝花蕊的识别定位方法，其特征在于，所述菠萝花蕊的识别定位方法包括以下步骤：S1、将采集到的第一图像信息输入菠萝花蕊识别定位模型，以使所述菠萝花蕊识别定位模型在所述第一图像信息中生成预测框信息，所述菠萝花蕊识别定位模型在所述第一图像信息中生成预测框信息的过程包括：A1、根据所述第一图像信息获取浅层特征图、中层特征图和深层特征图；A2、基于膨胀网络分别对所述浅层特征图、所述中层特征图和所述深层特征图进行卷积堆叠，以获取三个第一特征图；A3、根据所述三个第一特征图生成包裹菠萝花蕊的预测框信息；S2、基于所述预测框信息获取菠萝花蕊的中心位置信息，并基于所述中心位置信息和预设的变换矩阵生成菠萝花蕊的三维坐标信息。2.根据权利要求1所述的菠萝花蕊的识别定位方法，其特征在于，步骤A3包括：A31、所述菠萝花蕊识别定位模型分别全局平均池化压缩所述三个第一特征图的空间特征，并对全局平均池化压缩后的三个第一特征进行通道特征学习，以得到三个第二特征图；A32、所述菠萝花蕊识别定位模型分别将三个第二特征图与对应的第一特征图逐通道相乘，以得到三个第三特征图；A33、所述菠萝花蕊识别定位模型根据所述三个第三特征图生成包裹菠萝花蕊的预测框信息。3.根据权利要求1所述的菠萝花蕊的识别定位方法，其特征在于，所述菠萝花蕊识别定位模型的训练过程为：分别基于不同的随机梯度下降算法根据预先采集的第二图像信息集进行训练，以生成多个精确率信息、多个召回率信息和与所述精确率信息和所述召回率信息对应的权重文件；根据所述精确率信息和所述召回率信息选择所述菠萝花蕊识别定位模型的权重文件。4.根据权利要求3所述的菠萝花蕊的识别定位方法，其特征在于，所述随机梯度下降算法包括SGD算法、AdaGrad算法和Adam算法。5.根据权利要求3所述的菠萝花蕊的识别定位方法，其特征在于，所述第二图像信息集包括多个第二图像信息，所述第二图像信息为利用深度相机在...

【专利技术属性】
技术研发人员：张智军，黄灿辉，罗亚梅，潘安，蓝浩继，苏建锋，杨敬强，钟伟，
申请(专利权)人：佛山市天下谷科技有限公司，
类型：发明
国别省市：