【技术实现步骤摘要】
本专利技术涉及果蔬检测模型，具体为一种基于深度学习的番茄成熟度检测系统及方法。
技术介绍
1、随着智慧农业技术的发展，机器人正逐步走入蔬果种植产业，开展蔬果移栽、植保和采收等作业。视觉技术是蔬果采收机器人环境感知的关键技术，可以解决自然场景下果蔬目标定位定姿、果蔬成熟度和品质检测、杂草和病虫害检测，以及蔬果园环境下的机器人视觉导航等，番茄是我国居民最喜爱的蔬果之一，因其营养价值高、美味可口在我国得到了广泛种植。番茄的品质取决于其采收时段和储运条件，采摘成熟度低，虽然储运时间可以延长，但是品质和口感不好，采摘成熟度高，需要快速销售，否则会因为过熟而影响口感。机器人进行番茄自动采收前，需要根据市场需求和储运计划进行成熟度分级和差别化采收，对提高番茄品质和口感，提高农民收入都具有重要意义。
2、目前果蔬成熟度检测方法主要有机器视觉检测、光谱成像检测、电子鼻检测，以及多源信息融合等综合评判方法，并应用于常见的果蔬如番茄、草莓、青椒等采收作业中。现有技术中从果蔬的色泽等视觉角度开展研究，以上方法多采用传统的特征提取和分类进行成熟度检测...
【技术保护点】
1.一种基于深度学习的番茄成熟度检测系统，其特征在于，具体包括：
2.根据权利要求1所述的一种基于深度学习的番茄成熟度检测系统，其特征在于：将采集的图像作为样本图像，形成样本图像集；标记出每张样本图像中每一个番茄单果的位置和果实着红面积，其中采用Labelme标注软件进行图像标注，具体的标注规则为：对每一个单果进行位置标注和果实着红面比例的标注；对于被茎叶或其它果实遮挡，无法辨别成熟度的果实，不予标注；对于被茎叶或其它果实遮挡，遮挡面积超过三分之二的果实，不予标注；对于距离远，使得无法辨别成熟度的果实，不予标注，若某一样本图像中，没有符合标注规则的番茄单果...
【技术特征摘要】
1.一种基于深度学习的番茄成熟度检测系统，其特征在于，具体包括：
2.根据权利要求1所述的一种基于深度学习的番茄成熟度检测系统，其特征在于：将采集的图像作为样本图像，形成样本图像集；标记出每张样本图像中每一个番茄单果的位置和果实着红面积，其中采用labelme标注软件进行图像标注，具体的标注规则为：对每一个单果进行位置标注和果实着红面比例的标注；对于被茎叶或其它果实遮挡，无法辨别成熟度的果实，不予标注；对于被茎叶或其它果实遮挡，遮挡面积超过三分之二的果实，不予标注；对于距离远，使得无法辨别成熟度的果实，不予标注，若某一样本图像中，没有符合标注规则的番茄单果，则将该图像剔除样本图像集；
3.根据权利要求2所述的一种基于深度学习的番茄成熟度检测系统，其特征在于：在颈部网络中加入了双向金字塔网络进行多尺度特征融合，具体所依据的逻辑为：由于番茄自动采摘专注于近景的目标，忽略远景处无法识别成熟度的目标，故颈部网络仅采用backbone网络的p3、p4和p5层3个特征层，实现三层特征的跨层链接和加权特征融合，通过移除只有一条输入边的节点以简化网络，对位于不同层但具有相同分辨率的特征层之间添加一条边，实现跨层连接最终形成bifpn层，并三次堆叠bifpn层，所述bifpn为加权双向特征金字塔网络，bifpn采用加权特征融合的方式，通过学习获取不同层的权值，其中不同层的权值的限制所依据的公式为：
4.根据权利要求3所述的一种基于深度学习的番茄成熟度检测系统，其特征在于：在bifpn层中进行特征融合，其中特征融合所依据的公式为：
5.根据权利要求4所述的一种基于深度学习的番茄...
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。