一种基于深度学习和双目相机的原木直径测量方法技术

本发明专利技术公开一种基于深度学习和双目相机的原木直径测量方法，包括以下步骤：（1）数据集制作：收集海量原木端面的图片数据，并按一定比例划分训练集、验证集与测试集；（2）构建网络模型：构建原木端面实例分割模型；（3）模型训练；（4）模型推理；（5）直径计算：将步骤(4)的推理结果转化为多边形，并使用最小二乘法椭圆拟合算法将多边形拟合为椭圆，取椭圆中的短径作为原木端面的像素直径大小；（6）计算原木端面直径实际大小：获取双目相机的深度信息，将步骤(5)中得到的原木端面的像素直径大小换算为实际大小。本发明专利技术有效防止了有人利用手动测量作弊，测量不准确等造成行业损失严重的问题。测量不准确等造成行业损失严重的问题。测量不准确等造成行业损失严重的问题。

【技术实现步骤摘要】
一种基于深度学习和双目相机的原木直径测量方法


[0001]本专利技术涉及原木直径测量
，更具体地，涉及一种基于深度学习和双目相机的原木直径测量方法。

技术介绍

[0002]树木直径测量是林业生产中单株木调查和林分调查最基本的工作。树木直径测量包括立木胸径测量、原木直径测量和伐倒木直径测量。由于林间原木数量大，使用人工测量原木直径方法，通过测量工具效率低，成本高，同时存在利益诱惑的情况下还可能发生作弊的情况。
[0003]近年来，随着计算机视觉技术的发展，基于轮廓、纹理、颜色等原木轮廓识别的方法被广泛提出用来测量原木直径，但是由于原木端面的多样性和实际情况的复杂性，实际应用效果并不理想，而且在原木识别的问题上，还未充分利用原木端面图像本身的信息，针对原木端面存在污渍、裂痕和伐痕等问题。因此，亟需一种准确并且公平的自动化测量原木直径的方法，快速准确的识别原木端面并计算出其实际直径大小，解决林木生产、木材行业的难点。

技术实现思路

[0004]本专利技术的目的在于提供一种基于深度学习和双目相机的原木直径测量方法，通过从计算机视觉角度分析，设计了深度学习和双目相机的原木直径检测和测量的网络模型，从而实现原木的精准识别和测量，有效防止了有人利用手动测量作弊，测量不准确等造成行业损失严重的问题，完善高效的测量模型，以及对原木直径的精准高效快速识别，有助于促进木材行业的发展。
[0005]为达到上述目的，提供了一种基于深度学习和双目相机的原木直径测量方法，包括以下步骤：
[0006](1)数据集制作：收集海量原木端面的图片数据，并按一定比例划分训练集、验证集与测试集；
[0007](2)构建网络模型：根据传统神经网络模型构建原木端面实例分割模型；
[0008](3)模型训练：将步骤(1)的训练集输入至步骤(2)中的原木端面实例分割模型中进行参数训练，训练过程中，将步骤(1)的验证集输入至训练好的原木端面实例分割模型进行验证；
[0009](4)模型推理：将使用双目相机拍摄的原木端面图片数据输入至经过步骤(3)训练好的原木端面实例分割模型进行推理，获得识别出原木端面轮廓的多边形坐标；
[0010](5)直径计算：将步骤(4)的推理的多边形坐标转化为多边形，并使用最小二乘法椭圆拟合算法将多边形拟合为椭圆，取椭圆中的短径作为原木端面的像素直径大小；
[0011](6)计算原木端面直径实际大小：获取双目相机的深度信息，将步骤(5)中得到的原木端面的像素直径大小换算为实际大小，并在图片上显示实际大小，所述实际大小即为
原木端面直径的实际大小。
[0012]特别的，所述步骤(1)中，按0.8:0.1:0.1的比例划分训练集、验证集与测试集。
[0013]特别的，所述步骤(2)中，构建原木端面实例分割模型的过程中，对原木端面图片数据进行[
‑
1,1]归一化操作。
[0014]特别的，所述步骤(3)中，训练过程中，训练参数的优化器为AdamW，学习率设置为0.01。
[0015]特别的，所述步骤(5)中，所述最小二乘法椭圆拟合算法包括以下步骤：通过约束条件公式4ac
‑
b2＝1获取最小化距离误差，其中a,b,c是椭圆方程的系数；利用最小二乘法进行求解，引入拉格朗日算子乘法获得等式组，然后求解等式组获得最优的拟合椭圆。
[0016]特别的，将步骤(5)中得到的原木端面的像素直径大小换算为实际大小的具体方法为，根据双目相机内置参数及拍摄深度值，通过像素坐标换算出原木直径的实际大小，公式为：
[0017][0018]其中，X表示双目相机的深度信息；(x
i
,y
i
)表示预测图片的原木端面直径两端的像素坐标；c
x
,f
x
分别表示相机内参；
[0019]通过获得预测多边形的像素直径大小，再根据距离公式结合其内置参数计算出实际大小。
[0020]特别的，所述距离公式为：
[0021][0022]其中D为两点间的像素距离，x1,y1,x2,y2是直径两端的像素坐标；
[0023]本专利技术的技术原理和有益效果如下所示：
[0024]本专利技术根据原木端面多样性和复杂性的特点，为原木端面自动化识别测量引入先验知识，改进算法模型的网络结构，结合深度相机和最小二乘法椭圆拟合算法，大大提高原木端面直径自动测量效果，提高原木测量的速度和准确度，提升模型泛化性。
附图说明
[0025]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0026]图1为本专利技术实施例的流程图。
具体实施方式
[0027]下面结合附图对本专利技术的优选实施例进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。
[0028]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0029]需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等
指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该技术产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0030]此外，术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
[0031]如图1所示，一种基于深度学习和双目相机的原木直径测量方法，包括以下步骤：
[0032](1)数据集制作：收集海量原木端面的图片数据，并按按0.8:0.1:0.1的比例划分训练集、验证集与测试集；
[0033](2)构建网络模型：构建原木端面实例分割模型；构建原木端面实例分割模型的过程中，对原木端面图片数据进行[
‑
1,1]归一化操作，加快原木端面实例分割模型的收敛速度；
[0034](3)模型训练：将步骤(1)的训练集输入至步骤(2)中的原木端面实例分割模型中进行参数训练，训练过程中，训练参数的优化器为AdamW，学习率设置为0.01；将步骤(1)的验证集输入至训练好的原木端面实例分割模型进行验证；
[0035](4)模型推理：将使用双目相机拍摄的原木端本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习和双目相机的原木直径测量方法，其特征在于，包括以下步骤：(1)数据集制作：收集海量原木端面的图片数据，并按一定比例划分训练集、验证集与测试集；(2)构建网络模型：根据传统神经网络模型构建原木端面实例分割模型；(3)模型训练：将步骤(1)的训练集输入至步骤(2)中的原木端面实例分割模型中进行参数训练，训练过程中，将步骤(1)的验证集输入至训练好的原木端面实例分割模型进行验证；(4)模型推理：将使用双目相机拍摄的原木端面图片数据输入至经过步骤(3)训练好的原木端面实例分割模型进行推理，获得识别出原木端面轮廓的多边形坐标；(5)直径计算：将步骤(4)的推理的多边形坐标转化为多边形，并使用最小二乘法椭圆拟合算法将多边形拟合为椭圆，取椭圆中的短径作为原木端面的像素直径大小；(6)计算原木端面直径实际大小：获取双目相机的深度信息，将步骤(5)中得到的原木端面的像素直径大小换算为实际大小，并在图片上显示实际大小，所述实际大小即为原木端面直径的实际大小。2.根据权利要求1所述的一种基于深度学习和双目相机的原木直径测量方法，其特征在于：所述步骤(1)中，按0.8:0.1:0.1的比例划分训练集、验证集与测试集。3.根据权利要求1所述的一种基于深度学习和双目相机的原木直径测量方法，其特征在于：所述步骤(2)中，构建原木端面实例分割模型的过程中，对原木端面图片数据进行[
‑
1,1]归一化操作。...

【专利技术属性】
技术研发人员：韦光亮，韦莉，陈大联，窦毅，张玉国，朱艳红，
申请(专利权)人：广西慧云信息技术有限公司，
类型：发明
国别省市：