[發(fā)明專利]一種基于改進(jìn)YOLOv3的果樹圖像小目標(biāo)檢測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110434149.0
• 申請(qǐng)日: 2021-04-21
• 公開（公告）號(hào): CN113191237A
• 公開（公告）日: 2021-07-30
• 發(fā)明（設(shè)計(jì)）人: 毛亮;郭子豪;陳鵬飛;楊曉帆
• 申請(qǐng)（專利權(quán)）人: 深圳職業(yè)技術(shù)學(xué)院
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/20;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 郭浩輝;顏希文

1.一種基于改進(jìn)YOLOv3的果樹圖像小目標(biāo)檢測(cè)方法，其特征在于，包括：

對(duì)標(biāo)注有待檢測(cè)小目標(biāo)的原始圖像進(jìn)行預(yù)處理，得到訓(xùn)練圖像，并將所述訓(xùn)練圖像收集在訓(xùn)練圖像集；

分別將YOLOv3的原始傳輸層和部分下采樣層替換為DenseNet，并新增一個(gè)特征提取層，構(gòu)建改進(jìn)YOLOv3的小目標(biāo)檢測(cè)模型；

利用所述訓(xùn)練圖像集訓(xùn)練所述小目標(biāo)檢測(cè)模型，使所述小目標(biāo)檢測(cè)模型輸出所述待檢測(cè)小目標(biāo)的類別及位置；

將檢測(cè)圖像輸入訓(xùn)練后的小目標(biāo)檢測(cè)模型，得到所述檢測(cè)圖像中的小目標(biāo)的類別及位置。

2.如權(quán)利要求1所述的基于改進(jìn)YOLOv3的果樹圖像小目標(biāo)檢測(cè)方法，其特征在于，在所述將檢測(cè)圖像輸入訓(xùn)練后的小目標(biāo)檢測(cè)模型，得到所述檢測(cè)圖像中的小目標(biāo)的類別及位置之前，還包括：

對(duì)所述檢測(cè)圖像進(jìn)行預(yù)處理。

3.如權(quán)利要求1或2所述的基于改進(jìn)YOLOv3的果樹圖像小目標(biāo)檢測(cè)方法，其特征在于，所述預(yù)處理包括圖像裁剪、圖像翻轉(zhuǎn)、圖像縮放中的任一種或多種圖像處理。

4.如權(quán)利要求1所述的基于改進(jìn)YOLOv3的果樹圖像小目標(biāo)檢測(cè)方法，其特征在于，所述分別將YOLOv3的原始傳輸層和部分下采樣層替換為DenseNet，并新增一個(gè)特征提取層，構(gòu)建改進(jìn)YOLOv3的小目標(biāo)檢測(cè)模型，具體為：

將YOLOv3的原始傳輸層替換為DenseNet，使所述原始傳輸層將輸入圖像的尺寸調(diào)整至512×512，將YOLOv3的32×32下采樣層和16×16下采樣層替換為DenseNet，并在YOLOv3的第一個(gè)殘差塊后新增一個(gè)特征提取層，使所述特征提取層提取尺寸為128×128的特征圖，構(gòu)建所述小目標(biāo)檢測(cè)模型。

5.如權(quán)利要求1所述的基于改進(jìn)YOLOv3的果樹圖像小目標(biāo)檢測(cè)方法，其特征在于，所述將檢測(cè)圖像輸入訓(xùn)練后的小目標(biāo)檢測(cè)模型，得到所述檢測(cè)圖像中的小目標(biāo)的類別及位置，具體為：

將所述檢測(cè)圖像輸入所述訓(xùn)練后的小目標(biāo)檢測(cè)模型，使所述訓(xùn)練后的小目標(biāo)檢測(cè)模型對(duì)所述檢測(cè)圖像中的預(yù)測(cè)目標(biāo)進(jìn)行非極大值抑制操作，得到所述檢測(cè)圖像中的小目標(biāo)的類別及位置。

6.一種基于改進(jìn)YOLOv3的果樹圖像小目標(biāo)檢測(cè)裝置，其特征在于，包括：

圖像處理模塊，用于對(duì)標(biāo)注有待檢測(cè)小目標(biāo)的原始圖像進(jìn)行預(yù)處理，得到訓(xùn)練圖像，并將所述訓(xùn)練圖像收集在訓(xùn)練圖像集；

模型構(gòu)建模塊，用于分別將YOLOv3的原始傳輸層和部分下采樣層替換為DenseNet，并新增一個(gè)特征提取層，構(gòu)建改進(jìn)YOLOv3的小目標(biāo)檢測(cè)模型；

模型訓(xùn)練模塊，用于利用所述訓(xùn)練圖像集訓(xùn)練所述小目標(biāo)檢測(cè)模型，使所述小目標(biāo)檢測(cè)模型輸出所述待檢測(cè)小目標(biāo)的類別及位置；

目標(biāo)檢測(cè)模塊，用于將檢測(cè)圖像輸入訓(xùn)練后的小目標(biāo)檢測(cè)模型，得到所述檢測(cè)圖像中的小目標(biāo)的類別及位置。

7.如權(quán)利要求6所述的基于改進(jìn)YOLOv3的果樹圖像小目標(biāo)檢測(cè)裝置，其特征在于，所述目標(biāo)檢測(cè)模塊，還用于在所述將檢測(cè)圖像輸入訓(xùn)練后的小目標(biāo)檢測(cè)模型，得到所述檢測(cè)圖像中的小目標(biāo)的類別及位置之前，對(duì)所述檢測(cè)圖像進(jìn)行預(yù)處理。

8.如權(quán)利要求6或7所述的基于改進(jìn)YOLOv3的果樹圖像小目標(biāo)檢測(cè)裝置，其特征在于，所述預(yù)處理包括圖像裁剪、圖像翻轉(zhuǎn)、圖像縮放中的任一種或多種圖像處理。

9.如權(quán)利要求6所述的基于改進(jìn)YOLOv3的果樹圖像小目標(biāo)檢測(cè)裝置，其特征在于，所述分別將YOLOv3的原始傳輸層和部分下采樣層替換為DenseNet，并新增一個(gè)特征提取層，構(gòu)建改進(jìn)YOLOv3的小目標(biāo)檢測(cè)模型，具體為：

將YOLOv3的原始傳輸層替換為DenseNet，使所述原始傳輸層將輸入圖像的尺寸調(diào)整至512×512，將YOLOv3的32×32下采樣層和16×16下采樣層替換為DenseNet，并在YOLOv3的第一個(gè)殘差塊后新增一個(gè)特征提取層，使所述特征提取層提取尺寸為128×128的特征圖，構(gòu)建所述小目標(biāo)檢測(cè)模型。

10.如權(quán)利要求6所述的基于改進(jìn)YOLOv3的果樹圖像小目標(biāo)檢測(cè)裝置，其特征在于，所述將檢測(cè)圖像輸入訓(xùn)練后的小目標(biāo)檢測(cè)模型，得到所述檢測(cè)圖像中的小目標(biāo)的類別及位置，具體為：

將所述檢測(cè)圖像輸入所述訓(xùn)練后的小目標(biāo)檢測(cè)模型，使所述訓(xùn)練后的小目標(biāo)檢測(cè)模型對(duì)所述檢測(cè)圖像中的預(yù)測(cè)目標(biāo)進(jìn)行非極大值抑制操作，得到所述檢測(cè)圖像中的小目標(biāo)的類別及位置。