【技术实现步骤摘要】
一种基于Faster RCNN网络的成熟期番茄识别方法及系统
[0001]本专利技术涉及成熟期番茄识别领域，具体涉及一种基于Faster RCNN网络的成熟期番茄识别方法及系统。
技术介绍
[0002]番茄采摘有人工采摘和机械采摘，目前仍以人工为主，劳动强度大、成本高。机械采摘可降低成本，提高效率。成熟期番茄识别是实现机械采摘的前提。但是实际生产中存在由藤蔓、叶片、果实遮挡等影响而引起误识别的问题。
[0003]近年来，随着深度学习技术的发展，深度学习和数字图像处理相结合的方式大大提高了自然环境下成熟期番茄的识别精度。2021年张文静等发表的《基于Faster R
‑
CNN算法的番茄识别检测方法》一文，通过非极大值抑制算法筛选候选区域的方式提高了果实的识别精度；该方法提高了一般环境条件下果实的识别精度，但应对果实重叠遮挡、叶片遮挡果实等工程实际问题效果不够显著，而且尚未解决成熟期与否的识别问题。2021年王晓慧等发表的《自然环境中的红色番茄图像识别方法研究》一文，提出一种基于圆拟合算法的番茄图像识别...
【技术保护点】
【技术特征摘要】
1.一种基于Faster RCNN网络的成熟期番茄识别方法，其特征在于，包括：构建番茄果实图像数据集；构建生成式对抗网络，该生成式对抗网络包括一个生成网络模型和一个判别网络模型，生成网络模型用于生成样本数据，判别网络模型用于判别其内输入的样本数据的来源；利用构建的番茄果实图像数据集对生成式对抗网络进行训练；构建Faster RCNN网络，并将该Faster RCNN网络中特征提取阶段的网络模型替换为训练好的生成式对抗网络的判别网络模型，以及将该Faster RCNN网络中目标识别阶段的CNN网络模型替换为训练好的生成式对抗网络的判别网络模型，得到目标Faster RCNN网络模型；基于预先构建的番茄实景图像训练集，对目标Faster RCNN网络模型进行训练；输入待识别图像，利用训练好的目标Faster RCNN网络模型对输入的待识别图像进行番茄成熟与否的识别。2.根据权利要求1所述的基于Faster RCNN网络的成熟期番茄识别方法，其特征在于，番茄果实图像数据集包括完整果实图像和一半大小果实图像两类番茄图像数据；完整果实图像由成熟果实的完整图像和不成熟果实的完整图像这两类番茄图像构成；一半大小果实图像由成熟果实的一半大小的图像和不成熟果实的一半大小的图像这两类番茄图像构成；番茄果实图像数据集中的每一张图像都配设有相应的标签值，完整果实图像的标签值为数字“1”，一半大小果实图像的标签值为数字“0”。3.根据权利要求2所述的基于Faster RCNN网络的成熟期番茄识别方法，其特征在于，利用构建的番茄果实图像数据集对生成式对抗网络进行训练，包括：将标签值“1”和“0”构成二维的标签数据，采用预先设定的随机噪声生成器获取1000维的噪声数据，并对番茄果实图像数据集中各图像进行归一化处理；然后在上述1000维的噪声数据尾部拼接所述标签数据连接成1002维的数据作为随机输入，将上述归一化处理得到的图像数据作为真实数据输入，进行生成网络模型和判别网络模型的对抗网络训练，直至生成网络模型和判别网络模型之间达到纳什平衡。4.根据权利要求1或2或3所述的基于Faster RCNN网络的成熟期番茄识别方法，其特征在于，一半大小取完整果实面积的1/3
‑
2/3。5.根据权利要求2或3所述的基于Faster RCNN网络的成熟期番茄识别方法，其特征在于，基于预先构建的番茄实景图像训练集，对目标Faster RCNN网络模型进行训练，包括：标注所述番茄实景图像训练集，得到标注好标签的番茄实景图像训练集；利用标注好标签的番茄实景图像训练集，对目标Faster RCNN网络模型进行训练，得到训练好的目标Faster RCNN网络模型。6.根据权利要求5所述的基于F...
【专利技术属性】
技术研发人员：张继波，李楠，杨素华，杨宁，
申请(专利权)人：山东省气候中心，
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。