【技术实现步骤摘要】
本专利技术涉及目标检测，尤其涉及一种宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法。
技术介绍
1、甘蓝的株型结构对机械化移栽质量具有重要影响。而不同品种和不同培养策略可能导致不同的株型结构。直立性不佳和叶展大的甘蓝幼苗在移栽时容易挂在移栽苗杯上，导致苗的损伤或者产生漏苗、重栽等问题。而且直立性和叶展大小直接影响的好坏直接影响着植株的光合利用率，直立性好的植株能够充分利用光照，进行更好的新陈代谢。叶片聚拢性好的植株在移栽后长势更稳定，有利于结球，叶片移栽损伤程度小，不容易传染病菌。甘蓝是长日照植物，其产量也与株形密切相关，良好的株型能够更好地利用空间和阳光，生产更多的干物质。但目前宜机化甘蓝穴盘育苗中缺少直立性和叶展大小的判别标准和识别方法，使得甘蓝幼苗很难适应机械化移栽。移栽时发生的苗杯堵塞、伤苗以及幼苗移栽歪斜等问题，机械化移栽效率难以提高。
2、此外，人工测量幼苗绝对株高与相对株高的方式劳动力需求大，且判别标准存在较大主观性，无法量化适用于大规模穴盘苗。而现有的幼苗检测方法研究主要集中在穴盘栽培过程中的苗情检测识别，很少考虑机械化移栽农艺特点，未形成一种穴盘苗宜机化判别标准，检测准确度有限，难以应用于实际生产中。
技术实现思路
1、本专利技术提供一种宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，用以解决现有幼苗检测方法主要集中在穴盘栽培过程中的苗情检测识别，未形成一种穴盘苗宜机化判别标准，检测准确度有限，难以应用于实际生产中的缺陷。
2、本专利技术提
3、获取采集的甘蓝穴盘幼苗的双目图像；
4、调用基于rfp结构的swin transformer模型对所述双目图像进行特征提取，得到所述双目图像的特征图；
5、对所述双目图像的特征图进行回归预测，得到所述双目图像的茎部边界框和叶部边界框；
6、将所述双目图像的茎部边界框和叶部边界框进行关键点匹配，并根据匹配得到的关键点的图像坐标确定甘蓝穴盘幼苗的三维几何位置坐标；
7、根据所述三维几何位置坐标分别确定甘蓝穴盘幼苗的叶片直立度和最大叶展。
8、在一些实施例中，所述调用基于rfp结构的swin transformer模型对所述双目图像进行特征提取，得到所述双目图像的特征图，包括：
9、将待处理图像划分为多个补丁，将所述补丁输入到第一swin transformer模型中的3层基于rfp结构的第一复合stage模块，通过所述第一复合stage模块对所述补丁进行特征提取，得到所述补丁对应的第一特征图，其中，所述待处理图像为所述双目图像中的左图像或者右图像；
10、将所述补丁输入到第二swin transformer模型中的3层基于rfp结构的第二复合stage模块；
11、将所述第一特征图分别输入到第二swin transformer模型中的3层基于rfp结构的第二复合stage模块，通过所述第二复合stage模块对所述补丁以及所述第一特征图进行特征提取，得到第二特征图；
12、将所述第二特征图作为所述双目图像的特征图。
13、在一些实施例中，所述通过所述第一复合stage模块对所述补丁进行特征提取，得到所述补丁对应的第一特征图，包括：
14、对所述补丁进行嵌入处理，得到对应的嵌入补丁序列，并通过所述第一复合stage模块中的w-msa模块将所述嵌入补丁序列重塑为二维特征图；
15、通过不重叠的检测窗口对所述二维特征图进行划分，并通过所述第一复合stage模块中的w-msa模块和sw-msa模块对检测窗口内划分的二维特征图进行分组自注意力计算，得到检测窗口对应的窗口表征；
16、对每个检测窗口对应的窗口表征进行全局下采样自注意力计算，并将计算得到的结果输入到token融合模块中进行特征融合，得到融合表征；
17、将所述融合表征输入到mlp模块中，得到所述补丁的高层特征图；
18、将所述高层特征图输入到所述第一复合stage模块包括的特征金字塔网络中进行特征提取，得到所述补丁对应的第一特征图。
19、在一些实施例中，所述将所述高层特征图输入到所述第一复合stage模块包括的特征金字塔网络中进行特征提取，得到所述补丁对应的第一特征图，包括：
20、对所述高层特征图进行边缘自适应上采样，得到多个上采样特征图，并将所述上采样特征图进行融合；
21、将融合得到的特征图输入到特征金字塔网络中进行多次迭代的递归计算，得到所述补丁对应的第一特征图。
22、在一些实施例中，所述对所述高层特征图进行边缘自适应上采样，得到多个上采样特征图，包括：
23、遍历所述高层特征图中的每个像素点，并调用索伯算子计算每个所述像素点沿上、下、左、右四个方向的边缘梯度值，并确定每个像素点的最大边缘梯度值；
24、将最大边缘梯度值小于或等于预设的边缘梯度阈值的像素点确定为平坦区域的第一待插值像素点，并在水平和垂直两个方向上采用双线性插值算法对所述第一待插值像素点进行上采样，得到对应的上采样特征图；
25、将最大边缘梯度值大于预设的边缘梯度阈值的像素点确定为边缘区域的第二待插值像素点；
26、将所述第二待插值像素点中取得最大边缘梯度值的方向作为梯度方向，将所述梯度方向的垂直方向作为边缘线方向；
27、针对位于非所述梯度方向且非所述边缘线方向的第二待插值像素点，采用采用双线性插值算法进行上采样，得到对应的上采样特征图；
28、针对位于所述梯度方向的第二待插值像素点，采用梯度值加权的lanczos窗函数进行上采样，得到对应的上采样特征图；
29、针对位于所述边缘线方向的第二待插值像素点，采用高阶lanczos窗函数进行上采样，得到对应的上采样特征图。
30、在一些实施例中，所述对所述双目图像的特征图进行回归预测，得到所述双目图像的茎部边界框和叶部边界框，包括：
31、调用卷积神经网络对所述双目图像的特征图进行预测，得到甘蓝穴盘幼苗茎叶部代表点的初步位置和初步偏移量，并通过小型回归网络对所述茎叶部代表点的初步位置以及所述初步偏移量进行校正，得到所述茎叶部代表点的校正后偏移量；
32、通过所述校正后偏移量对所述茎叶部代表点的初始位置进行校正，得到甘蓝穴盘幼苗茎叶部的关键点；
33、确定所述关键点的最小外接矩形，作为所述双目图像的茎部边界框和叶部边界框。
34、在一些实施例中，所述将所述双目图像的茎部边界框和叶部边界框进行关键点匹配，包括：
35、针对所述双目图像中的左图像和右图像，分别提取茎部边界框和叶部边界框中的候选点；
36、基于双目视觉信息对所述左图像的候选点和所述右图像的候选点进行粗匹配，得到匹配点；
本文档来自技高网...【技术保护点】
1.一种宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述调用基于RFP结构的Swin Transformer模型对所述双目图像进行特征提取，得到所述双目图像的特征图，包括：
3.根据权利要求2所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述通过所述第一复合stage模块对所述补丁进行特征提取，得到所述补丁对应的第一特征图，包括：
4.根据权利要求3所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述将所述高层特征图输入到所述第一复合stage模块包括的特征金字塔网络中进行特征提取，得到所述补丁对应的第一特征图，包括：
5.根据权利要求4所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述对所述高层特征图进行边缘自适应上采样，得到多个上采样特征图，包括：
6.根据权利要求1所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述对所述双目
7.根据权利要求1所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述将所述双目图像的茎部边界框和叶部边界框进行关键点匹配，包括：
8.根据权利要求1所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述根据匹配得到的关键点的图像坐标确定甘蓝穴盘幼苗的三维几何位置坐标，包括：
9.根据权利要求1所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，在所述获取采集的甘蓝穴盘幼苗的双目图像之后，所述方法还包括：
10.一种宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述调用基于rfp结构的swin transformer模型对所述双目图像进行特征提取，得到所述双目图像的特征图，包括：
3.根据权利要求2所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述通过所述第一复合stage模块对所述补丁进行特征提取，得到所述补丁对应的第一特征图，包括：
4.根据权利要求3所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述将所述高层特征图输入到所述第一复合stage模块包括的特征金字塔网络中进行特征提取，得到所述补丁对应的第一特征图，包括：
5.根据权利要求4所述的宜机化甘蓝穴盘幼苗叶片直立度与最大叶展识别方法，其特征在于，所述对所述高层特征...
【专利技术属性】
技术研发人员：韩笑，吴华瑞，朱华吉，缪祎晟，郭旺，
申请(专利权)人：北京市农林科学院信息技术研究中心，
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。