本发明专利技术属于计算机视觉技术领域，公开了一种苹果产量评估方法、装置、设备及存储介质。该方法包括：根据苹果视频序列数据和对照苹果图像数据得到数据训练集和数据测试集；基于数据训练集对预设检测模型进行训练，并通过数据测试集对训练后的目标检测模型进行精度检测；将苹果视频序列数据输入目标检测模型并进行处理得到外观特征描述子，并通过预设算法得到轨迹运动特征；对外观特征描述子和轨迹运动特征进行级联匹配结合精度检测结果得到多目标追踪算法模型；将目标检测模型和多目标追踪算法模型结合，得到产量评估模型，并通过产量评估模型进行待测果园的苹果检测和产量评估。通过上述方式，提高了检测的准确度和速度。提高了检测的准确度和速度。提高了检测的准确度和速度。
【技术实现步骤摘要】
苹果产量评估方法、装置、设备及存储介质
[0001]本专利技术涉及计算机视觉
，尤其涉及一种苹果产量评估方法、装置、设备及存储介质。
技术介绍
[0002]近年来，随着互联网购物的兴起，新鲜水果的网络销售成为一种重要的消费渠道，这其中就包括苹果的种植销售，然而网络销售往往并非即时销售，而多采用预售等方式，所以如果能提前得知苹果的年产量，对于货物的单量把控，物流的订单掌握也会变得更加方便。此外，通过水果计数除了掌握苹果果实当年生产情况以外，更可以以此为评判基准判断当年苹果果实生产率、生产质量效益如何，这些现象说明了评估苹果果实的产量在农业应用中的重要性。
[0003]由于苹果园的环境比较复杂，光照遮挡情况严重，对于苹果的检测和产量评估一般是采摘完成后进行人工计数，耗时耗力且苹果经采摘后新鲜程度无法保证，对果实质量产生影响。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0005]本专利技术的主要目的在于提供一种苹果产量评估方法、装置、设备及存储介质，旨在解决现有技术对于苹果的计数手段和产量评估耗时耗力的技术问题。
[0006]为实现上述目的，本专利技术提供了一种苹果产量评估方法，所述方法包括以下步骤：
[0007]根据苹果视频序列数据和对照苹果图像数据得到数据训练集和数据测试集；
[0008]基于所述数据训练集对预设检测模型进行训练，并通过所述数据测试集对训练后的目标检测模型进行精度检测；
[0009]将所述苹果视频序列数据输入所述目标检测模型并进行处理得到外观特征描述子，并通过预设算法得到轨迹运动特征；
[0010]对所述外观特征描述子和所述轨迹运动特征进行级联匹配结合精度检测结果得到多目标追踪算法模型；
[0011]将所述目标检测模型和所述多目标追踪算法模型结合，得到产量评估模型，并通过所述产量评估模型进行待测果园的苹果检测和产量评估。
[0012]可选地，所述根据苹果视频序列数据和对照苹果图像数据得到数据训练集和数据测试集，包括：
[0013]采集苹果视频序列数据和预设数据库中的对照苹果图像数据；
[0014]对所述苹果视频序列数据和所述对照苹果图像数据进行标注，得到多目标追踪性能分析数据集；
[0015]对所述多目标追踪性能分析数据集进行预处理和数据增强，得到数据训练集和数
据测试集。
[0016]可选地，所述对所述苹果视频序列数据和所述对照苹果图像数据进行标注，得到多目标追踪性能分析数据集，包括：
[0017]通过预设标注软件对所述苹果视频序列数据和所述对照苹果图像数据进行标注，得到目标检测数据集；
[0018]根据所述目标检测数据及确定所述苹果视频序列数据的检测框标注和所述对照苹果图像数据的目标序列号；
[0019]根据所述目标检测数据集、所述检测框标注和所述目标序列号得到多目标追踪性能分析数据集。
[0020]可选地，所述对所述多目标追踪性能分析数据集进行预处理和数据增强，得到数据训练集和数据测试集，包括：
[0021]通过预设处理方式对所述多目标追踪性能分析数据集进行预处理，得到苹果图像数据；
[0022]对所述苹果图像数据进行随机旋转和翻转操作，得到额外扩充数据；
[0023]通过预设数据增强方式对所述苹果图像数据进行随机系数比例相乘操作，得到特异化苹果图像；
[0024]通过预设拼接方式对所述苹果图像数据进行拼接，得到上下文信息苹果图像；
[0025]对所述苹果图像数据、所述额外扩充数据、所述特异化苹果图像和所述上下文信息苹果图像进行动态填充灰色块并划分，得到数据训练集和数据测试集。
[0026]可选地，所述将所述苹果视频序列数据输入所述目标检测模型并进行处理得到外观特征描述子，并通过预设算法得到轨迹运动特征，包括：
[0027]根据所述苹果视频序列数据得到苹果视频帧图像；
[0028]将所述苹果视频帧图像输入所述目标检测模型，得到图像苹果具体坐标框信息；
[0029]通过尺度不变特征变换算法提取所述图像苹果具体坐标框信息的关键点信息，得到外观特征描述子；
[0030]通过卡尔曼滤波算法处理所述图像苹果具体坐标框信息，得到轨迹运动特征。
[0031]可选地，所述通过卡尔曼滤波算法处理所述图像苹果具体坐标框信息，得到轨迹运动特征，包括：
[0032]通过所述卡尔曼滤波算法对所述图像苹果具体坐标框信息进行预测，得到预测帧目标位置信息；
[0033]通过匈牙利算法计算所述预测帧目标位置和图像苹果具体坐标框信息中的帧检测框信息之间的代价矩阵；
[0034]根据所述代价矩阵计算优化踪迹结果，并根据所述优化踪迹结果得到轨迹运动特征。
[0035]可选地，所述根据所述代价矩阵计算优化踪迹结果，并根据所述优化踪迹结果得到轨迹运动特征，包括：
[0036]根据所述代价矩阵计算最优匹配代价，并通过所述卡尔曼滤波算法对各检测框的预测位置进行更新，得到优化踪迹结果；
[0037]根据所述优化踪迹结果进行汇总得到各检测框对应的轨迹运动特征。
[0038]此外，为实现上述目的，本专利技术还提出一种苹果产量评估装置，所述苹果产量评估装置包括：
[0039]数据划分模块，用于根据苹果视频序列数据和对照苹果图像数据得到数据训练集和数据测试集；
[0040]模型训练模块，用于基于所述数据训练集对预设检测模型进行训练，并通过所述数据测试集对训练后的目标检测模型进行精度检测；
[0041]状态特征计算模块，用于将所述苹果视频序列数据输入所述目标检测模型并进行处理得到外观特征描述子，并通过预设算法得到轨迹运动特征；
[0042]模型构建模块，用于对所述外观特征描述子和所述轨迹运动特征进行级联匹配结合精度检测结果得到多目标追踪算法模型；
[0043]产量评估模块，用于将所述目标检测模型和所述多目标追踪算法模型结合，得到产量评估模型，并通过所述产量评估模型进行待测果园的苹果检测和产量评估。
[0044]此外，为实现上述目的，本专利技术还提出一种苹果产量评估设备，所述苹果产量评估设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的苹果产量评估程序，所述苹果产量评估程序配置为实现如上文所述的苹果产量评估方法的步骤。
[0045]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有苹果产量评估程序，所述苹果产量评估程序被处理器执行时实现如上文所述的苹果产量评估方法的步骤。
[0046]本专利技术根据苹果视频序列数据和对照苹果图像数据得到数据训练集和数据测试集；基于所述数据训练集对预设检测模型进行训练，并通过所述数据测试集对训练后的目标检测模型进行精度检测；将所述苹果视频序列数据输入所述目标检测模型并进行处理得到外观特征描述子，并通过预设算法得到轨迹运动本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种苹果产量评估方法，其特征在于，所述苹果产量评估方法包括：根据苹果视频序列数据和对照苹果图像数据得到数据训练集和数据测试集；基于所述数据训练集对预设检测模型进行训练，并通过所述数据测试集对训练后的目标检测模型进行精度检测；将所述苹果视频序列数据输入所述目标检测模型并进行处理得到外观特征描述子，并通过预设算法得到轨迹运动特征；对所述外观特征描述子和所述轨迹运动特征进行级联匹配结合精度检测结果得到多目标追踪算法模型；将所述目标检测模型和所述多目标追踪算法模型结合，得到产量评估模型，并通过所述产量评估模型进行待测果园的苹果检测和产量评估。2.如权利要求1所述的方法，其特征在于，所述根据苹果视频序列数据和对照苹果图像数据得到数据训练集和数据测试集，包括：采集苹果视频序列数据和预设数据库中的对照苹果图像数据；对所述苹果视频序列数据和所述对照苹果图像数据进行标注，得到多目标追踪性能分析数据集；对所述多目标追踪性能分析数据集进行预处理和数据增强，得到数据训练集和数据测试集。3.如权利要求2所述的方法，其特征在于，所述对所述苹果视频序列数据和所述对照苹果图像数据进行标注，得到多目标追踪性能分析数据集，包括：通过预设标注软件对所述苹果视频序列数据和所述对照苹果图像数据进行标注，得到目标检测数据集；根据所述目标检测数据及确定所述苹果视频序列数据的检测框标注和所述对照苹果图像数据的目标序列号；根据所述目标检测数据集、所述检测框标注和所述目标序列号得到多目标追踪性能分析数据集。4.如权利要求2所述的方法，其特征在于，所述对所述多目标追踪性能分析数据集进行预处理和数据增强，得到数据训练集和数据测试集，包括：通过预设处理方式对所述多目标追踪性能分析数据集进行预处理，得到苹果图像数据；对所述苹果图像数据进行随机旋转和翻转操作，得到额外扩充数据；通过预设数据增强方式对所述苹果图像数据进行随机系数比例相乘操作，得到特异化苹果图像；通过预设拼接方式对所述苹果图像数据进行拼接，得到上下文信息苹果图像；对所述苹果图像数据、所述额外扩充数据、所述特异化苹果图像和所述上下文信息苹果图像进行动态填充灰色块并划分，得到数据训练集和数据测试集。5.如权利要求1所述的方法，其特征在于，所述将所述苹果视频序列数据输入所述目标检测模型并进行处理得到外观特征描述子，并通过预设算法得到轨迹...
【专利技术属性】
技术研发人员：樊闯，胡婧，王周璞，阮靖琳，吴素崟，
申请(专利权)人：武汉轻工大学，
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。