【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其涉及一种青皮核桃目标检测方法、装置、设备及存储介质。
技术介绍
1、当前核桃的测产与采摘通常是以人工的形式，由于核桃成熟周期大多为一年，若将核桃采摘后再进行产量的测量，将会对许多规划的制定以及政策的落实造成一定的滞后性，这将对核桃产业的经济规模发展造成一定的阻碍，而如何提前准确地预测出核桃地产量，将对核桃产业的发展起着十分重要的作用。
2、随着高新技术的发展，以人工智能为核心的视觉技术已开始显现出高效的优势，诸如生产环节的核桃产量智能统计、病虫药害的智能识别、监测以及收购环节的核桃果核智能分级等，人工智能的引入极大降低人工成本和工作时间，提高工作的效率和准确性，提升核桃生产全过程的智能化、数字化和网络化决策水平。对果树的果实产量测定不仅可以辅助果农掌握果实的生长情况、估算其产地整体的产值，还为种植的改进实验提供宝贵的定量依据。当前，在核桃果实产量测量方面并没有十分有效的方法，绝大多数都是依靠传统人工目测的方法进行计量，这种方法不仅对测产人员的经验和体力有较高要求，而且核桃在果树上时存在遮蔽、颜色...
【技术保护点】
1.一种青皮核桃目标检测方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取青皮核桃图像，并通过语义分割模型从所述青皮核桃图像中提取青皮核桃像素图像的步骤之前，还包括：
3.如权利要求1-2任一项所述的方法，其特征在于，所述SPPCSPC模块为YOLOv7网络模型中使用的SPP结构，包括并行的多次MaxPool操作，以从不同尺度上捕捉图像信息；
4.如权利要求2所述的方法，其特征在于，所述获取青皮核桃样本数据集，并利用语义分割模型对所述青皮核桃样本数据集中的图像进行像素提取，获得青皮核桃像素图像数据集
【技术特征摘要】
1.一种青皮核桃目标检测方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取青皮核桃图像，并通过语义分割模型从所述青皮核桃图像中提取青皮核桃像素图像的步骤之前，还包括：
3.如权利要求1-2任一项所述的方法，其特征在于，所述sppcspc模块为yolov7网络模型中使用的spp结构，包括并行的多次maxpool操作，以从不同尺度上捕捉图像信息；
4.如权利要求2所述的方法，其特征在于，所述获取青皮核桃样本数据集，并利用语义分割模型对所述青皮核桃样本数据集中的图像进行像素提取，获得青皮核桃像素图像数据集的步骤，包括：
5.如权利要求1所述的方法，其特征在于，所述获取青皮核桃图像，并通过语义分割模型从所述青皮核桃图像中提取青皮核桃像素图像的步骤，包括：
6.如权利要求1所述的方法，其特...
【专利技术属性】
技术研发人员：帖军，吴伟博，郑禄，孙阳光，莫海芳，程林辉，施朦，田莎莎，夏炜，
申请(专利权)人：中南民族大学，
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。