【技术实现步骤摘要】
本专利技术涉及图像处理和机器视觉，具体涉及一种基于弱监督的菠萝检测方法、系统及存储介质。
技术介绍
1、近年来，在农业生产方面，由于人口老龄化和劳动力成本逐渐提高，亟需采用机械化收获替代人工收获。除了机器人的运动和控制之外，通过视觉算法来准确和鲁棒地从自然果园环境中提取几何和语义信息是机械化收获中最重要的问题之一。
2、菠萝是具有高营养和经济价值的重要热带水果。然而，由于恶劣的条件、锋利的菠萝叶、狭窄的收获窗口、大量的工作量和不断上升的劳动力成本，人工收获面临着重大挑战。机械化收获是一种有前途的替代解决方案。目前，机械化采收尚未广泛应用于菠萝采收，主要原因之一是从机器人或机械臂的角度难以识别和定位菠萝。现有的视觉算法利用卷积神经网络的图像理解能力，对图像的特定特征进行识别和定位，最终以矩形框的形式确定目标在图像中的位置和类别。虽然这些算法已经可以直接从自然图像中检测菠萝的位置，但它们仍然难以应用于实际的菠萝收获。通常，为了提高机械化果实收获的成功率并降低损坏率，还需要关于果实姿态、位置、形状和取向的信息。
3、因...
【技术保护点】
1.一种基于弱监督的菠萝检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于弱监督的菠萝检测方法，其特征在于，所述以灰度形式加载所述数据集的菠萝图像，应用Canny边缘检测算法得到菠萝图像边缘，对菠萝图像边缘利用树结构和逼近方法处理得到菠萝的轮廓，包括：
3.根据权利要求2所述的一种基于弱监督的菠萝检测方法，其特征在于，所述利用最小二乘法将所述轮廓拟合成直线，使所述轮廓距离拟合直线的总体误差尽量小，将所述直线的倾斜角作为菠萝的倾斜角度，包括：
4.根据权利要求3所述的一种基于弱监督的菠萝检测方法，其特征在于...
【技术特征摘要】
1.一种基于弱监督的菠萝检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于弱监督的菠萝检测方法，其特征在于，所述以灰度形式加载所述数据集的菠萝图像，应用canny边缘检测算法得到菠萝图像边缘，对菠萝图像边缘利用树结构和逼近方法处理得到菠萝的轮廓，包括：
3.根据权利要求2所述的一种基于弱监督的菠萝检测方法，其特征在于，所述利用最小二乘法将所述轮廓拟合成直线，使所述轮廓距离拟合直线的总体误差尽量小，将所述直线的倾斜角作为菠萝的倾斜角度，包括：
4.根据权利要求3所述的一种基于弱监督的菠萝检测方法，其特征在于，所述将所述数据集的边界框拟合成椭圆，利用所得菠萝的倾斜角度调整椭圆角度得到椭圆掩码，包括：
5.根据权利要求4所述的一种基于弱监督的菠萝检测方...
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。