【技术实现步骤摘要】
一种基于热力图的高密度豆粒计数及中心点定位方法和系统
[0001]本专利技术涉及机器学习领域,尤其是涉及一种基于热力图的高密度豆粒计数方法和系统。
技术介绍
[0002]大豆是世界重要的粮食作物,成熟期大豆豆粒数量,是大豆考种的重要农艺性状,可帮助育种家估算不同大豆品种的产量情况,从而为选取优良品种的研究提供重要依据。传统豆粒计数方式是人工测量,这导致了豆粒考种速度慢、误差大且成本高。随着深度学习和图像处理技术的快速发展和应用,使用豆粒图像进行自动豆粒计数的应用逐渐增多。基于深度学习的豆粒计数方法包含两种,一种是基于目标框检测的方法,一种是基于热力图的方法。基于检测的方法是将豆荚或者豆粒作为一个检测单元,使用Faster
‑
RCNN、YOLO、SSD等检测模型进行目标框的检测。这种方式由于是正矩形的目标框,容易检测出较多的背景信息,而且由于锚点设计自身的限制,计算方法复杂,且容易在豆粒重叠度高、遮挡、密度大的情况下产生较多的漏检。近年来,基于热力图计数的方式由于其将目标作为一个点进行检测,不需要锚点设计、计算简单逐渐成为计数的主流方式。但是,基于热力图的方法对于重叠目标的检测的效果不佳,且只能输出目标的数量,无法同时定位到目标的位置。
技术实现思路
[0003]为解决现有技术的不足,本专利技术提供了一种成熟期豆荚整株上的高密度豆粒计数和中心点定位方法和系统,基于CSRNet模型生成豆粒中心点的高质量热力图,结合豆粒特性从热力图中定位出豆粒中心关键点坐标位置。本专利技术采用如下的技术方 ...
【技术保护点】
【技术特征摘要】
1.一种基于热力图的高密度豆粒计数及中心点定位方法,其特征在于,包括如下步骤:S1,豆粒中心点标注;对图像中所有豆粒的中心点位置进行标记,获得所有的豆粒中心点坐标;S2,生成豆粒热力图;在所标记的豆粒中心点位置处,通过高斯函数生成高斯核模板,在初始热力图中通过像素值相加得到真值热力图;S3,构建豆粒热力图生成模型;将原始图像和真值热力图,输入到已经构建好的热力图生成模型中,训练得到最终的热力图生成模型;S4,从热力图中定位豆粒中心点;将待测试图片,输入到最终训练好的热力图生成模型中,获得待测图片的热力图,并通过计算局部区域最大值得到中心点坐标和相应的豆粒数,包括如下步骤:S41,将待测试图片输入到所述训练好的热力图模型中,得到与输入图像大小相同、通道数为1的热力图;S42,从所述得到的热力图中,逐像素分析大于上、下、左、右四个方向的像素点,将区域内最大的点作为备选中心点;S43,将备选中心点进行排序,按照像素点之间的距离的进行去重,获取最终的豆粒中心点位置;S44,将最终的豆粒中心点位置处的热力值进行向上取整,得到该中心位置处的豆粒数,并将所有中心点位置豆粒数相加,得到最终的豆粒总数。2.根据权利要求1所述的一种基于热力图的高密度豆粒计数及中心点定位方法,其特征在于,步骤S1标记所有豆粒的中心点位置坐标,一粒豆只标注一个位置。3.根据权利要求1所述的一种基于热力图的高密度豆粒计数及中心点定位方法,其特征在于,步骤S2具体包括如下步骤:S21,初始化原始图像的热力图H(x,y),与原始图像同宽高、通道数为1、像素值均为0的二维图像;S22,使用高斯函数生成高斯核模板;基于给定高斯核的大小ksize和标准差σ两个参数,生成大小为ksize、总和为1的高斯核模板;高斯核模板中,中心点的像素位置值最大,远离中心像素点的值逐渐减小;S23,将所述S22得到的高斯核模板,添加到有标记豆粒中心点的位置上,若该地方已添加了像素值,则将该位置的像素值进行相加得到新的像素值。4.根据权利要求3所述的一种基于热力图的高密度豆粒计数及中心点定位方法,其特征在于,步骤S22所述的高斯函数是指普通二维高斯函数,计算方式为:5.根据权利要求3所述的一种基于热力图的高密度豆粒计数及中心点定位方法,其特征在于,步骤S23所述的将所述S22得到的高斯核模板添加到有标记豆粒中心点的位置上,包括:高斯核模板的中心点与初始化热力图中的已标记豆粒中心点位置对齐,逐个针对豆粒已标注点添加高斯模型到所述热力图中的相应位置,得到真值热力图。6.根据权利要求1所述一种基于热力图的高密度豆粒计数及中心点定位方法,其特征在于,步骤S3已经构建好的热力图生成模型,采用基于空洞卷积的CSRNet模型,基础网络为
VGG16,之后接6层的空洞卷积,通过上采样恢复到原始输入图像大小;使用在ImageNet上训练好的模型进行权重初始化;在空洞卷积之后,采用1
×
1、输出通道数为1的卷积层获得输出特征图,并采用8倍的最近邻上采样恢复到原始输入图像的大小。7.根据权利要求1所述的一种基于热力图的高密度豆粒计数及中心点定位方法,其特征在于,步骤S3包括如下步骤:S31,对原始图像和密度图,同时采用随机水平翻转、配对裁剪进行数据的增强;S32,对所述S31中的图像,输入...
【专利技术属性】
技术研发人员:贺菁菁,徐晓刚,冯献忠,王军,何鹏飞,李萧缘,陈若晨,张耀华,
申请(专利权)人:中国科学院东北地理与农业生态研究所,
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。