【技术实现步骤摘要】
本申请涉及图像处理，具体而言，涉及一种基于融合网络的杂草区域识别方法、装置及电子设备。
技术介绍
1、相关技术所采用的杂草识别方法通常利用颜色、形状和纹理等特征进行杂草与农作物的区分，其对光照变化敏感，鲁棒性差。采用深度学习方法进行杂草识别时，则需要大量的杂草数据集以训练模型识别所有种类的杂草，成本高昂且难以实现。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种基于融合网络的杂草区域识别方法、装置及电子设备，以至少解决相关技术在识别杂草时需要构建大量的杂草数据集进行模型训练，并且识别过程对光照变化敏感，导致成本较高，准确率低的技术问题。
2、根据本申请实施例的一个方面，提供了一种基于融合网络的杂草区域识别方法，包括：获取待识别图像，其中，待识别图像包括农作物以及杂草；采用融合模型中的第一模型识别待识别图像中农作物对应的第一边界框，以及采用融合模型中的第二模型识别待识别图像中的植物对应的第二边界框，其中，第二边界框包括第一边...
【技术保护点】
1.一种基于融合网络的杂草区域识别方法，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，依据所述第二边界框以及所述第一边界框确定所述待识别图形中所述杂草所在的目标区域，包括：
3.根据权利要求2所述的方法，其特征在于，确定每个第二边界框与每个第一边界框的第一匹配值，包括：
4.根据权利要求3所述的方法，其特征在于，对所述第二面积进行加权，得到第三面积，包括：
5.根据权利要求4所述的方法，其特征在于，每个第一边界框所在区域的农作物概率值可以通过以下方式确定：
6.根据权利要求1所述的方法，其特征...
【技术特征摘要】
1.一种基于融合网络的杂草区域识别方法，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，依据所述第二边界框以及所述第一边界框确定所述待识别图形中所述杂草所在的目标区域，包括：
3.根据权利要求2所述的方法，其特征在于，确定每个第二边界框与每个第一边界框的第一匹配值，包括：
4.根据权利要求3所述的方法，其特征在于，对所述第二面积进行加权，得到第三面积，包括：
5.根据权利要求4所述的方法，其特征在于，每个第一边界框所在区域的农作物概率值可以通过以下方式确定：
6.根据权利要求1所述的方法，其特征在于，所述融合模型通过以下方式训练得到：
7.根据权利要求6所述的方法，其特征在于，确定与所述图像...
【专利技术属性】
技术研发人员：金小俊，王金续，魏守辉，李勉，朱文鹏，于佳琳，
申请(专利权)人：潍坊现代农业山东省实验室，
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。