[發(fā)明專利]一種基于深度學習后優(yōu)化的葡萄果梗精準識別方法

有效

• 申請?zhí)枺?/td>: 202010574770.2
• 申請日: 2020-06-22
• 公開（公告）號: CN111738151B
• 公開（公告）日: 2023-10-10
• 發(fā)明（設計）人: 羅陸鋒;廖嘉欣;寧政通;李嘉滔;林揚揚;董鈺挺;陳毓敏;陳玥彤
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/25;G06T7/00;G06T7/90;G06T7/136;G06T7/13
• 代理公司: 北京八月瓜知識產(chǎn)權代理有限公司 11543
• 代理人: 李斌

1.一種基于深度學習后優(yōu)化的葡萄果梗精準識別方法，其特征在于，包括如下步驟：

步驟1，采集葡萄果梗圖片，并對葡萄果梗圖片進行標注；

步驟2，通過深度學習模型Mask R-CNN對標注后的葡萄果梗圖片進行識別，獲取預識別葡萄果梗區(qū)域；

步驟3，根據(jù)預識別葡萄果梗區(qū)域，獲取葡萄果梗輪廓坐標以及葡萄果梗區(qū)域坐標；

步驟4，根據(jù)葡萄果梗輪廓坐標獲取葡萄果梗輪廓的H通道值{D_j(0＜j＜n)}、S通道值{E_j(0＜j＜n)}和V通道值{F_j(0＜j＜n)}，以及根據(jù)葡萄果梗區(qū)域坐標獲取葡萄果梗區(qū)域的H通道值{A_i(0＜i＜n)}、S通道值{B_i(0＜i＜n)}和V通道值{C_i(0＜i＜n)}，其中n為大于1的整數(shù)；

步驟5，分別計算葡萄果梗區(qū)域的H通道平均值a＝{A_i(0＜i＜n)}/n、S通道平均值b＝{B_i(0＜i＜n)}/n以及V通道平均值c＝{C_i(0＜i＜n)}/n；

步驟6，將葡萄果梗輪廓選取為種子點，基于種子點并按照區(qū)域生長準則進行區(qū)域生長。

2.如權利要求1所述的一種基于深度學習后優(yōu)化的葡萄果梗精準識別方法，其特征在于，在步驟6中，基于種子點并按照區(qū)域生長準則進行區(qū)域生長的具體方法為：對種子點的四鄰域范圍內的像素點進行搜索，若種子點的四鄰域范圍內的像素點的H通道值、S通道值和V通道值分別滿足顏色閾值范圍a±d、b±d和c±d，則將該像素點合并到種子點所屬的生長區(qū)域，并將該像素點作為新的種子點進行搜索，直至沒有像素點可以合并到種子點所屬的生長區(qū)域，其中d＝ln(|D_j-a|²+|E_j-b|²+|F_j-c|²)。

3.如權利要求2所述的一種基于深度學習后優(yōu)化的葡萄果梗精準識別方法，其特征在于，在步驟1，葡萄果梗圖片通過CCD相機采集。

4.如權利要求3所述的一種基于深度學習后優(yōu)化的葡萄果梗精準識別方法，其特征在于，在步驟1中，葡萄果梗圖片通過labelme標注工具進行標注。

5.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質中存儲有計算機程序，當所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至4中任何一項所述的一種基于深度學習后優(yōu)化的葡萄果梗精準識別方法。