[發明專利]果樹芽體的識別方法及裝置

在審

• 申請號: 202010718954.1
• 申請日: 2020-07-23
• 公開（公告）號: CN111950391A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 夏雪;柴秀娟;孫坦
• 申請（專利權）人: 中國農業科學院農業信息研究所
• 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: 泰和泰律師事務所 51219
• 代理人: 范相玉

本發明公開了一種果樹芽體的識別方法及裝置。其中，該方法包括：獲取果樹芽體的圖像數據；將所述圖像數據中的芽體坐標和芽體類別進行標注；根據所述圖像數據以及所述芽體坐標，構建芽體目標檢測模型；根據剪裁后的所述圖像數據以及所述芽體類別，構建芽體類別識別模型；根據所述芽體目標檢測模型以及所述芽體類別識別模型，對果樹芽體圖像進行識別。本發明解決了目前的現有技術僅能對區別較大的農產品品種或單一植物器官進行識別，而無法對果樹上花芽和葉芽進行自動分類識別的技術問題。

技術領域

本發明涉及計算機視覺、數字圖像處理和機器學習領域，具體而言，涉及一種果樹芽體的識別方法及裝置。

背景技術

蘋果樹花芽和葉芽的比例是確定果樹適宜果實負載量的重要依據，直接影響著果樹的產量和質量。準確地識別蘋果樹的花芽和葉芽，對指導果樹修剪、合理調整樹體負荷、克服大小年現象，保證果樹豐產優質極為重要。然而，由于蘋果樹花芽和葉芽的形態極為相似，很多果農在果樹修剪時難以分清，而花芽枝和葉芽枝的修剪手法區別較大，如果分辨不清花芽和葉芽，就有可能發生誤剪的情況，這不但影響當年果品的產量和品質，而且關系到果樹后續花芽分化的數量和質量。因此，正確識別花芽和葉芽顯得尤為重要。

機器視覺技術是高效且低成本進行農業對象識別的重要手段，可以實現農業生產中待作業目標的精準識別，對農產品芽的已有研究多是利用傳統圖像處理的方法從圖像中分割出大蒜、大姜、甘蔗等農產品的芽，隨著深度學習技術的出現，使得識別的精度有了大幅改善。一些研究結合機器視覺和深度學習技術實現了果蔬的器官分類識別、花卉花型和品種的識別、甘蔗蔗芽檢測、大蒜鱗芽朝向的識別和果蔬病蟲害種類的識別等。上述研究主要是對農作物或農產品芽的單純檢測，或是對區別較大的品類進行識別。沒有針對農業圖像中小目標的檢測和同類農作物體器官的細分類識別。目前的現有技術僅能對區別較大的農產品品種或單一植物器官進行識別，而無法對果樹上花芽和葉芽進行自動分類識別。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種果樹芽體的識別方法及裝置，以至少解決目前僅能對區別較大的農產品品種或單一植物器官進行識別，而無法對果樹上花芽和葉芽進行自動分類識別的技術問題。

根據本發明實施例的一個方面，提供了一種果樹芽體的識別方法，包括：獲取果樹芽體的圖像數據；將所述圖像數據中的芽體坐標和芽體類別進行標注；根據所述圖像數據以及所述芽體坐標，構建芽體目標檢測模型；根據剪裁后的所述圖像數據以及所述芽體類別，構建芽體類別識別模型；根據所述芽體目標檢測模型以及所述芽體類別識別模型，對果樹芽體圖像進行識別。

可選的，所述將所述圖像數據中的芽體坐標和芽體類別進行標注包括：在所述圖像數據中框選出果樹芽體；將所述果樹芽體的坐標進行標注，得到所述芽體坐標；將所述果樹芽體的類別進行標注，得到所述芽體類別。

可選的，所述根據所述圖像數據以及所述芽體坐標，構建芽體目標檢測模型包括：將所述圖像數據和所述芽體坐標作為深度卷積神經網絡的輸入標簽進行輸入；通過所述深度卷積神經網絡，生成所述芽體目標檢測模型。

可選的，所述根據剪裁后的所述圖像數據以及所述芽體類別，構建芽體類別識別模型包括：將剪裁后的所述圖像數據和所述芽體類別作為深度卷積神經網絡的輸入標簽進行輸入；通過所述深度卷積神經網絡，生成所述芽體類別識別模型。

可選的，所述剪裁后的所述圖像數據指的是根據所述芽體坐標對所述圖像數據進行果樹芽體坐標標注框內的圖像的剪裁。

可選的，所述根據所述芽體目標檢測模型以及所述芽體類別識別模型，對果樹芽體圖像進行識別包括：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檢測模型，得到果樹芽體坐標；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。