[發(fā)明專利]果樹芽體的識別方法及裝置

在審

• 申請?zhí)枺?/td>: 202010718954.1
• 申請日: 2020-07-23
• 公開（公告）號: CN111950391A
• 公開（公告）日: 2020-11-17
• 發(fā)明（設(shè)計(jì)）人: 夏雪;柴秀娟;孫坦
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 泰和泰律師事務(wù)所 51219
• 代理人: 范相玉

1.一種果樹芽體的識別方法，其特征在于，包括：

獲取果樹芽體的圖像數(shù)據(jù)；

將所述圖像數(shù)據(jù)中的芽體坐標(biāo)和芽體類別進(jìn)行標(biāo)注；

根據(jù)所述圖像數(shù)據(jù)以及所述芽體坐標(biāo)，構(gòu)建芽體目標(biāo)檢測模型；

根據(jù)剪裁后的所述圖像數(shù)據(jù)以及所述芽體類別，構(gòu)建芽體類別識別模型；

根據(jù)所述芽體目標(biāo)檢測模型以及所述芽體類別識別模型，對果樹芽體圖像進(jìn)行識別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述圖像數(shù)據(jù)中的芽體坐標(biāo)和芽體類別進(jìn)行標(biāo)注包括：

在所述圖像數(shù)據(jù)中框選出果樹芽體；

將所述果樹芽體的坐標(biāo)進(jìn)行標(biāo)注，得到所述芽體坐標(biāo)；

將所述果樹芽體的類別進(jìn)行標(biāo)注，得到所述芽體類別。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述圖像數(shù)據(jù)以及所述芽體坐標(biāo)，構(gòu)建芽體目標(biāo)檢測模型包括：

將所述圖像數(shù)據(jù)和所述芽體坐標(biāo)作為深度卷積神經(jīng)網(wǎng)絡(luò)的輸入標(biāo)簽進(jìn)行輸入；

通過所述深度卷積神經(jīng)網(wǎng)絡(luò)，生成所述芽體目標(biāo)檢測模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)剪裁后的所述圖像數(shù)據(jù)以及所述芽體類別，構(gòu)建芽體類別識別模型包括：

將剪裁后的所述圖像數(shù)據(jù)和所述芽體類別作為深度卷積神經(jīng)網(wǎng)絡(luò)的輸入標(biāo)簽進(jìn)行輸入；

通過所述深度卷積神經(jīng)網(wǎng)絡(luò)，生成所述芽體類別識別模型。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述剪裁后的所述圖像數(shù)據(jù)指的是根據(jù)所述芽體坐標(biāo)對所述圖像數(shù)據(jù)進(jìn)行果樹芽體坐標(biāo)標(biāo)注框內(nèi)的圖像的剪裁。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述芽體目標(biāo)檢測模型以及所述芽體類別識別模型，對果樹芽體圖像進(jìn)行識別包括：

獲取所述果樹芽體圖像；

將所述果樹芽體圖像輸入所述芽體目標(biāo)檢測模型，得到果樹芽體坐標(biāo)；

將所述果樹芽體圖像輸入所述芽體類別識別模型，得到果樹芽體類別。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，在所述將所述果樹芽體圖像輸入所述芽體類別識別模型，得到果樹芽體類別之后，所述方法還包括：

將所述果樹芽體坐標(biāo)和所述果樹芽體類別進(jìn)行輸出。

8.一種果樹芽體的識別裝置，其特征在于，包括：

獲取模塊，用于獲取果樹芽體的圖像數(shù)據(jù)；

標(biāo)注模塊，用于將所述圖像數(shù)據(jù)中的芽體坐標(biāo)和芽體類別進(jìn)行標(biāo)注；

坐標(biāo)模塊，用于根據(jù)所述圖像數(shù)據(jù)以及所述芽體坐標(biāo)，構(gòu)建芽體目標(biāo)檢測模型；

類別模塊，用于根據(jù)剪裁后的所述圖像數(shù)據(jù)以及所述芽體類別，構(gòu)建芽體類別識別模型；

識別模塊，用于根據(jù)所述芽體目標(biāo)檢測模型以及所述芽體類別識別模型，對果樹芽體圖像進(jìn)行識別。

9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述標(biāo)注模塊包括：

選擇單元，用于在所述圖像數(shù)據(jù)中框選出果樹芽體；

坐標(biāo)單元，用于將所述果樹芽體的坐標(biāo)進(jìn)行標(biāo)注，得到所述芽體坐標(biāo)；

類別單元，用于將所述果樹芽體的類別進(jìn)行標(biāo)注，得到所述芽體類別。

10.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述坐標(biāo)模塊包括：

輸入單元，用于將所述圖像數(shù)據(jù)和所述芽體坐標(biāo)作為深度卷積神經(jīng)網(wǎng)絡(luò)的輸入標(biāo)簽進(jìn)行輸入；

生成單元，用于通過所述深度卷積神經(jīng)網(wǎng)絡(luò)，生成所述芽體目標(biāo)檢測模型。

11.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述類別模塊包括：

輸入單元，還用于將剪裁后的所述圖像數(shù)據(jù)和所述芽體類別作為深度卷積神經(jīng)網(wǎng)絡(luò)的輸入標(biāo)簽進(jìn)行輸入；

生成單元，還用于通過所述深度卷積神經(jīng)網(wǎng)絡(luò)，生成所述芽體類別識別模型。