[發明專利]基于混合膨脹卷積的植物識別方法、裝置及存儲介質

在審

• 申請號: 202110947152.2
• 申請日: 2021-08-17
• 公開（公告）號: CN113808055A
• 公開（公告）日: 2021-12-17
• 發明（設計）人: 鄭祿;帖軍;劉越;宋中山;王江晴;吳立鋒;徐勝舟;肖博文
• 申請（專利權）人: 中南民族大學
• 主分類號: G06T5/30
• 分類號: G06T5/30;G06T7/12;G06N3/04;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 劉瑞花

1.一種基于混合膨脹卷積的植物識別方法，其特征在于，所述基于混合膨脹卷積的植物識別方法包括以下步驟：

獲取預設場景下的待處理植物圖像，并確定所述待處理植物圖像的場景距離信息；

根據所述場景距離信息對所述待處理植物圖像進行膨脹處理，獲得膨脹植物圖像；

將所述膨脹植物圖像輸入至預設混合膨脹圖像分割模型中，獲得植物分割圖像；

根據所述植物分割圖像進行植物識別。

2.如權利要求1所述的方法，其特征在于，所述根據所述場景距離信息對所述待處理植物圖像進行膨脹處理，獲得膨脹植物圖像的步驟，包括：

根據所述場景距離信息確定圖像膨脹率；

獲取所述待處理植物圖像對應的圖像像素信息；

根據所述圖像膨脹率對所述圖像像素信息進行膨脹處理，獲得膨脹像素信息；

根據所述膨脹像素信息生成膨脹植物圖像。

3.如權利要求1所述的方法，其特征在于，所述獲取預設場景下的待處理植物圖像，并確定所述待處理植物圖像的場景距離信息的步驟之前，還包括：

獲取不同場景下的多張植物圖像樣本；

分別確定所述多張植物圖像樣本對應的植物圖像類別信息；

根據所述植物圖像類別信息分別對所述多張植物圖像樣本進行預處理，獲得多張植物圖像訓練樣本和多張植物圖像驗證樣本；

根據所述多張植物圖像訓練樣本對初始網絡模型進行訓練，獲得初始混合膨脹圖像分割模型；

根據所述多張植物圖像驗證樣本和所述初始混合膨脹圖像分割模型確定預設混合膨脹圖像分割模型。

4.如權利要求3所述的方法，其特征在于，所述根據所述植物圖像類別信息分別對所述多張植物圖像樣本進行預處理，獲得多張植物圖像訓練樣本和多張植物圖像驗證樣本的步驟，包括：

根據所述植物圖像類別信息分別確定所述多張植物圖像樣本對應的圖像光照信息；

根據所述圖像光照信息確定預設灰度世界消除規則；

根據所述預設灰度世界消除規則分別對所述多張植物圖像樣本進行處理，獲得多張灰度圖像樣本；

根據所述多張灰度圖像樣本確定多張植物圖像訓練樣本和多張植物圖像驗證樣本。

5.如權利要求4所述的方法，其特征在于，所述根據所述多張灰度圖像樣本確定多張植物圖像訓練樣本和多張植物圖像驗證樣本的步驟，包括：

分別確定所述多張灰度圖像對應的圖像亮度信息；

根據所述圖像亮度信息確定亮度處理函數；

通過所述亮度處理函數分別對所述多張灰度圖像進行亮度調整，獲得多張亮度圖像樣本；

根據所述多張亮度圖像樣本確定多張植物圖像訓練樣本和多張植物圖像驗證樣本。

6.如權利要求5所述的方法，其特征在于，所述根據所述多張亮度圖像樣本確定多張植物圖像訓練樣本和多張植物圖像驗證樣本的步驟，包括：

分別對所述多張亮度圖像樣本進行旋轉鏡像處理，獲得多張旋轉圖像樣本；

分別對所述多張旋轉圖像樣本進行噪聲處理，獲得多張噪點圖像樣本；

分別對所述多張噪點圖像樣本進行模糊處理，獲得多張模糊圖像樣本；

根據預設圖像比例規則對所述多張模糊圖像樣本進行劃分，獲得多張植物圖像訓練樣本和多張植物圖像驗證樣本。

7.如權利要求2-6任一項所述的方法，其特征在于，所述根據所述多張植物圖像訓練樣本對初始網絡模型進行訓練，獲得初始混合膨脹圖像分割模型的步驟，包括：

分別確定所述多張植物圖像訓練樣本對應的圖像距離信息；

根據所述圖像距離信息分別確定所述多張植物圖像訓練樣本對應的圖像樣本膨脹率；

判斷所述圖像樣本膨脹率是否滿足預設膨脹因子關系；

在所述圖像樣本膨脹率滿足所述預設膨脹因子關系時，根據所述多張植物圖像訓練樣本和所述多張植物圖像訓練樣本對應的圖像樣本膨脹率對初始網絡模型進行訓練，獲得初始混合膨脹圖像分割模型。