[發(fā)明專利]一種基于深度學習的樹木年輪自動檢測方法

在審

• 申請?zhí)枺?/td>: 202011278500.3
• 申請日: 2020-11-16
• 公開（公告）號: CN112381795A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設計）人: 潘曉光;張海軒;焦璐璐;張娜;張雅娜
• 申請（專利權）人: 山西三友和智慧信息技術股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/62;G06T7/90;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 太原榮信德知識產(chǎn)權代理事務所(特殊普通合伙) 14119
• 代理人: 楊凱;連慧敏

1.一種基于深度學習的樹木年輪自動檢測方法，其特征在于：包括下列步驟：

S1、數(shù)據(jù)獲取：對林場中的落葉松按解析木要求分段截取樹木圓盤，待風干后進行掃描獲得年輪圓盤圖像，該圓盤未經(jīng)打磨、拋光等復雜操作，屬于原始圓盤，同時對圓盤中的年輪圈數(shù)進行手工標記；

S2、圖像去模糊：通過基于正則化的圖像非盲去模糊方法對掃描圖像進行去模糊處理；

S3、數(shù)據(jù)歸一化：對數(shù)據(jù)進行Min-Max歸一化；

S4、數(shù)據(jù)劃分：經(jīng)過S3的數(shù)據(jù)歸一化后，對預處理的數(shù)據(jù)進行劃分，將其中的10％作為測試集所用的圖片，且剩余圖片用于模型的訓練過程；

S5、數(shù)據(jù)擴充：通過合成方法實現(xiàn)數(shù)據(jù)擴充，將訓練集中的圖像作為前景對象，將圖像中的年輪進行隨機顏色的填充，并且與黑色背景融合形成新的圖片，提高模型檢測性能；

S6、模型構建：通過改進Mask-RCNN深度卷積神經(jīng)網(wǎng)絡構建落葉松樹木年輪自動檢測模型；

S7、模型保存：當模型的損失函數(shù)不再下降，評價指標達到最優(yōu)且趨于穩(wěn)定之后，保存模型。

2.根據(jù)權利要求1所述的一種基于深度學習的樹木年輪自動檢測方法，其特征在于：所述S2中正則化的圖像非盲去模糊方法的公式為：

所述是數(shù)據(jù)保真項，所述表示L2范數(shù)，所述R(u)表示復原圖像u的正則化約束式，所述λ_u為正則化參數(shù)，用于平衡數(shù)據(jù)保真項和正則化約束式之間的權重比例。

3.根據(jù)權利要求1所述的一種基于深度學習的樹木年輪自動檢測方法，其特征在于：所述S6中模型構建的方法為：先輸入圖像經(jīng)過縮放以后，再輸入特征提取主干網(wǎng)絡,生成更具有更高階特征的特征圖,實現(xiàn)多個分支與區(qū)域建議網(wǎng)絡的特征共享。

4.根據(jù)權利要求3所述的一種基于深度學習的樹木年輪自動檢測方法，其特征在于：實現(xiàn)所述特征共享后，通過RPN部分幫助網(wǎng)絡生成可能存在目標的候選區(qū)域邊界框，且對于每一個三通道的圖像中每一個位置都會生成9個候選窗口。

5.根據(jù)權利要求1所述的一種基于深度學習的樹木年輪自動檢測方法，其特征在于：所述S6中的模型構建采用ResNet-FPN作為主干網(wǎng)絡，所述ResNet模型采用殘差連接實現(xiàn)網(wǎng)絡深度的增加，所述殘差連接公式如下：

F(x)＝H(x)-x

所述H(x)為殘差網(wǎng)絡的輸出，所述F(x)為經(jīng)過卷積操作的輸出。

6.根據(jù)權利要求1所述的一種基于深度學習的樹木年輪自動檢測方法，其特征在于：所述S6中的模型構建通過特征金字塔網(wǎng)絡的結構構建不同尺度的高級語義特征圖，通過將自底向上的特征圖通過橫向連接與自頂向下的特征圖合并，生成高分辨率和具有準確空間信息的特征圖，其公式如下：

F＝[F₁,F₂,F₃,F₄]

其中F_i(i＝1,2,3,4)分別為經(jīng)過特征金字塔網(wǎng)絡后獲得的預測圖，F(xiàn)為融合后的特征圖，之后對融合的特征圖分別進行分類、邊界框回歸和Mask預測。

7.根據(jù)權利要求6所述的一種基于深度學習的樹木年輪自動檢測方法，其特征在于：對得到的融合特征圖進行全連接操作，然后進行分類，所述分類使用sigmoid函數(shù)獲得分類結果。

8.根據(jù)權利要求6所述的一種基于深度學習的樹木年輪自動檢測方法，其特征在于：所述邊界框回歸通過對坐標進行平移和尺度變換實現(xiàn)回歸操作，具體公式如下：

所述x,y表示邊框的中心位置；所述w和h表示邊框的寬和高；所述P_x、P_y、P_w、P_h表示輸入的候選區(qū)域的邊框,所述是修正后的邊框，所述d_x和d_y表示平移和尺度變換算法。

9.根據(jù)權利要求6所述的一種基于深度學習的樹木年輪自動檢測方法，其特征在于：所述mask預測和分類是同步進行的，在預測的時候獲得分類結果，之后將此結果傳入mask預測中得到mask。