[發(fā)明專利]一種利用合成數(shù)據(jù)的植物葉片分割方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910439140.1
• 申請日: 2019-05-24
• 公開（公告）號: CN110148146B
• 公開（公告）日: 2021-03-02
• 發(fā)明（設(shè)計(jì)）人: 劉驥;林艷
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T19/20
• 代理公司: 重慶雙馬智翔專利代理事務(wù)所(普通合伙) 50241
• 代理人: 顧曉玲

本發(fā)明公開了一種利用合成數(shù)據(jù)下的植物葉片分割方法及系統(tǒng)。該方法包括：基于葉片圖像構(gòu)建多個(gè)該葉片圖像的不同姿態(tài)、不同顏色的葉片三維模型；將葉片三維模型投影到二維平面生成葉片二維圖像數(shù)據(jù)，將葉片二維圖形數(shù)據(jù)與不同背景圖像進(jìn)行融合，得到訓(xùn)練集；通過訓(xùn)練集對深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得葉片分割模型；將包含葉片的待分割圖像輸入葉片分割模型得到分割后的葉片圖像。利用三維樹葉模型來生成分割數(shù)據(jù)，通過一張植物葉片圖像，重建得到不同形狀、不同顏色的樹葉模型，并和不同的背景融合，自動(dòng)生成大量的訓(xùn)練圖片和訓(xùn)練標(biāo)簽構(gòu)成訓(xùn)練集，減小了人工標(biāo)注圖像的精力消耗，能夠在自然背景條件下全自動(dòng)對植物葉片圖像進(jìn)行分割，分割效果好。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像分割領(lǐng)域，特別是涉及一種利用合成數(shù)據(jù)的植物葉片分割方法及系統(tǒng)。

背景技術(shù)

研究植物，植物葉片的識(shí)別、檢測和分割是我們在植物的計(jì)算機(jī)視覺方面的重要任務(wù)。然而自然條件下的植物葉片一般所處的背景條件復(fù)雜，而且植物葉片本身種類行行色色，紋理復(fù)雜，所以對植物葉片的識(shí)別、檢測、分割是一個(gè)很艱巨的任務(wù)。機(jī)器能有效地識(shí)別葉片，其基礎(chǔ)在于能把植物葉片從自然背景中提取出來。只有把葉片從背景中提取出來，對植物的后續(xù)分析才能繼續(xù)。比如通過分割的葉片判斷植物是否生長健康，是否遭受了病蟲害。而對葉片的分割算法，其實(shí)也是用的普通的圖像分割方法，其本質(zhì)是對圖像上的區(qū)域進(jìn)行劃分。

圖像分割的原理是通過圖像的特征信息的不同，將圖像上分為多個(gè)部分，而相同部分的特征信息相同，特征信息可也是顏色、形狀等信息。當(dāng)今的圖像分割算法大概包括，傳統(tǒng)的圖像分割方法，比如利用閡值進(jìn)行區(qū)域劃分、使用圖像邊緣檢測的算法、根據(jù)區(qū)域的劃分方法、使用圖論相關(guān)知識(shí)的分割以及基于能量泛函的方法等。基于傳統(tǒng)的圖像分割方法，能在背景比較簡單，或者是單片葉子的環(huán)境下取得不錯(cuò)的效果，但是在背景復(fù)雜的圖像中，其分割效果就大打折扣。而且很多傳統(tǒng)方法需要手動(dòng)提取特征，設(shè)置參數(shù)，不能全自動(dòng)分割，這顯然不能滿足實(shí)際需要。

近幾年，隨著大數(shù)據(jù)以及云計(jì)算的相關(guān)基礎(chǔ)設(shè)備、算法的完善使得深度學(xué)習(xí)飛速發(fā)展，大批專家學(xué)者利用深度學(xué)習(xí)的相關(guān)算法來解決圖像分割問題，或者是葉片分割問題。目前也是深度學(xué)習(xí)的相關(guān)方法在公開數(shù)據(jù)集上取得了最好的效果。但是基于深度學(xué)習(xí)的方式，必須要有訓(xùn)練數(shù)據(jù)，目前世界上公開的數(shù)據(jù)集都是用人工手工來標(biāo)注的，手工標(biāo)注的數(shù)據(jù)意味著要消耗大量的人力財(cái)力，并且人工標(biāo)注也很容易在邊緣處標(biāo)注錯(cuò)誤。因此，數(shù)據(jù)的缺乏問題嚴(yán)重阻礙了深度學(xué)習(xí)方法在圖像分割算法上的進(jìn)步。并且到目前為止，還沒有專門針對植物葉片的分割數(shù)據(jù)集。同時(shí)，數(shù)據(jù)的缺乏問題也阻礙著深度學(xué)習(xí)的發(fā)展。

由上可知，使用傳統(tǒng)的葉片分割方法，需要手動(dòng)輸入一些參數(shù)，不能完成全自動(dòng)分割，或者分割效果較差。使用深度學(xué)習(xí)的分割方法則可以實(shí)現(xiàn)葉片的全自動(dòng)分割，但是需要大量的訓(xùn)練數(shù)據(jù)。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題，特別創(chuàng)新地提出了一種利用合成數(shù)據(jù)的植物葉片分割方法及系統(tǒng)。

為了實(shí)現(xiàn)本發(fā)明的上述目的，根據(jù)本發(fā)明的第一個(gè)方面，本發(fā)明提供了一種利用合成數(shù)據(jù)的植物葉片分割方法，包括：

步驟S1，基于葉片圖像構(gòu)建多個(gè)所述葉片圖像的不同姿態(tài)、不同顏色的葉片三維模型；

將葉片三維模型投影到二維平面生成葉片二維圖像數(shù)據(jù)，將葉片二維圖形數(shù)據(jù)與不同背景圖像進(jìn)行融合，得到訓(xùn)練集，所述訓(xùn)練集包含多個(gè)訓(xùn)練樣本和與訓(xùn)練樣本對應(yīng)的樣本標(biāo)簽；

步驟S2，通過訓(xùn)練集對深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得葉片分割模型；

步驟S3，將包含葉片的待分割圖像輸入葉片分割模型，葉片分割模型輸出分割后的葉片圖像。