基于优化后混合任务级联的密集蓝莓果实实例分割方法技术

本发明专利技术公开了基于优化后混合任务级联的密集蓝莓果实实例分割方法，包括：获取不同时间段和天气条件下具有多种遮挡情况的蓝莓果实图像；使用图像标注工具LabelMe对所述蓝莓果实图像进行标注并划分数据集、验证集和测试集；级联三个Mask R‑CNN来构建混合任务级联模型；采用ConvNeXt主干网络优化混合任务级联模型，通过多尺度训练方法改善模型的性能；使用标注好的蓝莓果实图像对优化的混合任务级联模型进行训练、验证和测试并评估模型性能。本方法解决了严重遮挡和复杂背景下蓝莓分割困难的问题，满足了蓝莓表型研究中对于精确像素区域的需求，有助于推动蓝莓的生产和管理。

【技术实现步骤摘要】

本专利技术涉及农业果实识别，具体涉及基于优化后混合任务级联的密集蓝莓果实实例分割方法。

技术介绍

1、蓝莓果实的检测是进行蓝莓产量估算和穗形态评估的重要步骤。成像设备是替代传统人工方法实现自动检测的有用工具。高光谱成像相机可以为蓝莓检测提供丰富的光谱信息。但这种方法的应用受到了限制，由于目标光谱易受环境变化的影响，因此需要在室内均匀光照且无风的理想条件下进行研究。与多光谱相机相比，使用数字相机拍摄生成的数据量更少，并且成像时间大大缩短，是实现有效蓝莓检测的替代方案。

2、具有强大特征学习能力的深度学习在rgb图像中产生了许多应用。它将低级特征组合编码成更具有区分性的高级特征，可以以更高的精度解决更复杂问题。深度学习模型主要应用于目标分类、目标检测和图像分割这三个领域。目前，将深度学习方法用于蓝莓果实的研究主要集中在目标分类和检测上。但在蓝莓表型研究中通常需要精确的像素区域，仅通过检测边界框无法实现。图像分割提供了有关图像中各段的大小、形状和相对位置等信息，可用于分析表型特征，如果实大小、形状和分布。因此，有必要探索一种分割蓝莓果实的方法，以满足本文档来自技高网...

【技术保护点】

1.基于优化后混合任务级联的密集蓝莓果实实例分割方法，其特征在于，包括：

2.根据权利要求1所述基于优化后混合任务级联的密集蓝莓果实实例分割方法，其特征在于，不同时间段为09:00-16:00的任意时间段，天气条件包括晴天和多云，多种遮挡情况包括果实之间互相遮挡、果实被叶子遮挡、果实被枝干遮挡。

3.根据权利要求1所述基于优化后混合任务级联的密集蓝莓果实实例分割方法，其特征在于，使用图像标注工具LabelMe对所述蓝莓果实图像进行标注，具体为：

4.根据权利要求1所述基于优化后混合任务级联的密集蓝莓果实实例分割方法，其特征在于，所述交织box分支和ma...

【技术特征摘要】

1.基于优化后混合任务级联的密集蓝莓果实实例分割方法，其特征在于，包括：

2.根据权利要求1所述基于优化后混合任务级联的密集蓝莓果实实例分割方法，其特征在于，不同时间段为09:00-16:00的任意时间段，天气条件包括晴天和多云，多种遮挡情况包括果实之间互相遮挡、果实被叶子遮挡、果实被枝干遮挡。

3.根据权利要求1所述基于优化后混合任务级联的密集蓝莓果实实例分割方法，其特征在于，使用图像标注工具labelme对所述蓝莓果实图像进行标注，具体为：

4.根据权利要求1所述基于优化后混合任务级联的密集蓝莓果实实例分割方法，其特征在于，所述交织...

【专利技术属性】
技术研发人员：盖荣丽，高进，刘勇，王康，王鹏飞，
申请(专利权)人：大连大学，
类型：发明
国别省市：