一种基于改进的U-net苹果图像分割方法和装置制造方法及图纸

本发明专利技术公开了一种基于改进的U‑net苹果图像分割方法和装置。其中，该方法包括：获取真实场景下的苹果图像并进行预处理，将预处理后的苹果图像数据作为数据集；通过所述数据集对苹果图像分割网络进行训练，以得到训练好的苹果图像分割网络；所述苹果图像分割网络为改进的U‑net网络；通过训练好的苹果图像分割网络对苹果图像进行分割，以得到苹果图像的分割结果。本发明专利技术构建了一种新的苹果图像分割网络，该网络采用ResNet50网络和迁移学习实现了多层特征复用，减少了网络训练时间；采用残差结构避免了梯度消失，改进的语义对齐结构对苹果图像进行信息重构，从而能更好地获取苹果的细节信息，大幅提升了苹果图像分割的准确率。

【技术实现步骤摘要】

本专利技术实施例涉及图像分割，尤其涉及一种基于改进的u-net苹果图像分割方法和装置。

技术介绍

1、目前，苹果主要依靠人工收割，人工收割的季节性劳动力需求旺盛容易导劳动力短缺以及劳动力成本高。机械收割是一种广泛的利用摇动和捕获系统对树干或树枝施加振动以收集果树作物的收割方法。与传统的人工采摘相比，机械收割具有高效和适用大面积的优点，然而，它往往会导致苹果损伤而降低苹果的价值。因此，寻求技术创新以减少对人工劳动力的依赖及降低苹果损伤，而使用机器人进行选择性采摘。机器视觉系统对提高机器人采摘的效率至关重要。图像分割是机器视觉中的一项关键任务，机器人选择性采摘依赖于图像分割。

2、现有的技术如专利文献cn2020114271911公开的一种基于u-net网络的青苹果图像分割方法及系统，该方法只考虑了青苹果的图像分割，不具有广泛性，同时未公布分割青苹果图像的准确率。技术文献(樊一杉.基于深度学习的苹果图像语义分割方法研究[j].智慧农业导刊,2023,3(16):5-10.)提出了一种基于deeplabv3+网络结构分割苹果图像，未分割真实场景下拍摄本文档来自技高网...

【技术保护点】

1.一种基于改进的U-net苹果图像分割方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述S1具体包括：

3.根据权利要求1所述的方法，其特征在于，所述苹果图像分割网络以U-net网络为基础，包括依次连接的编码部分、跳跃连接、解码部分；

4.根据权利要求3所述的方法，其特征在于，所述改进的语义对齐结构引入了CBAM注意力机制，改进了局部通道的高斯函数并在其全局通道中加入残差网络。

5.根据权利要求4所述的方法，其特征在于，所述S2具体包括：

6.根据权利要求5的方法，其特征在于，将所述初步特征送入改进的语义...

【技术特征摘要】

1.一种基于改进的u-net苹果图像分割方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述s1具体包括：

3.根据权利要求1所述的方法，其特征在于，所述苹果图像分割网络以u-net网络为基础，包括依次连接的编码部分、跳跃连接、解码部分；

4.根据权利要求3所述的方法，其特征在于，所述改进的语义对齐结构引入了cbam注意力机制，改进了局部通道的高斯函数并在其全局通道中加入残差网...

【专利技术属性】
技术研发人员：彭银桥，明海成，王骥，雷桂斌，朱建帮，陈柳云，刘富淼，李雨阳，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：