[發(fā)明專利]一種基于深度學(xué)習(xí)的果實(shí)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210188728.6
• 申請(qǐng)日: 2022-02-28
• 公開(kāi)（公告）號(hào): CN114565864A
• 公開(kāi)（公告）日: 2022-05-31
• 發(fā)明（設(shè)計(jì)）人: 章軍;胡濤;陳鵬;夏懿;王儒敬;陳建峰;牛子寒;王劉向;黃瓊嬌;路寶榕;許浪
• 申請(qǐng)（專利權(quán)）人: 中科合肥智慧農(nóng)業(yè)協(xié)同創(chuàng)新研究院
• 主分類號(hào): G06V20/17
• 分類號(hào): G06V20/17;G06V20/68;G06V10/25;G06V10/774;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 合肥國(guó)和專利代理事務(wù)所(普通合伙) 34131
• 代理人: 張祥騫

1.一種基于深度學(xué)習(xí)的果實(shí)識(shí)別方法，其特征在于，包括：

獲取拍攝圖像；所述拍攝圖像包括果實(shí)對(duì)象；

基于TPH-YOLOv5模型執(zhí)行果實(shí)對(duì)象的檢測(cè)；

所述TPH-YOLOv5模型包括Transformer編碼器預(yù)測(cè)頭和yolo-v5主干網(wǎng)絡(luò)；所述Transformer編碼器包含多頭注意模塊和前饋神經(jīng)網(wǎng)絡(luò)MLP模塊；

所述多頭注意模塊基于卷積塊注意模塊CBAM來(lái)實(shí)現(xiàn)，用于提取注意區(qū)域。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的果實(shí)識(shí)別方法，其特征在于，所述方法還包括事先訓(xùn)練TPH-YOLOv5模型，所述訓(xùn)練過(guò)程包括：

獲取樣本集合，并進(jìn)行初始化操作；

將樣本數(shù)據(jù)集輸入至TPH-YOLOv5模型，將預(yù)測(cè)結(jié)果與真實(shí)結(jié)果比對(duì)，計(jì)算損失函數(shù)，并更新網(wǎng)絡(luò)權(quán)重；

若達(dá)到預(yù)設(shè)的迭代次數(shù)，則結(jié)束訓(xùn)練。

3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的果實(shí)識(shí)別方法，其特征在于，所述初始化操作，包括：對(duì)訓(xùn)練樣本集合中的圖像進(jìn)行翻轉(zhuǎn)、隨機(jī)裁剪、旋轉(zhuǎn)、局部變形；以及對(duì)樣本集合進(jìn)行標(biāo)注，擴(kuò)充。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的果實(shí)識(shí)別方法，其特征在于，所述對(duì)樣本集合進(jìn)行擴(kuò)充，包括：

對(duì)所述樣本集合進(jìn)行數(shù)據(jù)增強(qiáng)處理，通過(guò)樣本集合中的圖像隨機(jī)縮放、裁剪、平移、剪切和旋轉(zhuǎn)，并更新標(biāo)注信息。

5.一種基于深度學(xué)習(xí)的果實(shí)識(shí)別裝置，其特征在于，包括：

獲取模塊，獲取拍攝圖像；所述拍攝圖像包括果實(shí)對(duì)象；

檢測(cè)模塊，基于TPH-YOLOv5模型執(zhí)行果實(shí)對(duì)象的檢測(cè)；

所述TPH-YOLOv5模型包括Transformer編碼器預(yù)測(cè)頭；所述Transformer編碼器包含多頭注意模塊和前饋神經(jīng)網(wǎng)絡(luò)MLP模塊；

所述多頭注意模塊基于卷積塊注意模塊CBAM來(lái)實(shí)現(xiàn)，用于提取注意區(qū)域。

6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的果實(shí)識(shí)別裝置，其特征在于，所述裝置還包括訓(xùn)練模塊，用于事先訓(xùn)練TPH-YOLOv5模型，所述訓(xùn)練過(guò)程包括：

獲取樣本集合，并進(jìn)行初始化操作；

將樣本數(shù)據(jù)集輸入至TPH-YOLOv5模型，將預(yù)測(cè)結(jié)果與真實(shí)結(jié)果比對(duì)，計(jì)算損失函數(shù)，并更新網(wǎng)絡(luò)權(quán)重；

若達(dá)到預(yù)設(shè)的迭代次數(shù)，則結(jié)束訓(xùn)練。

7.根據(jù)權(quán)利要求6所述的基于深度學(xué)習(xí)的果實(shí)識(shí)別裝置，其特征在于，所述初始化操作，包括：對(duì)訓(xùn)練樣本集合中的圖像進(jìn)行翻轉(zhuǎn)、隨機(jī)裁剪、旋轉(zhuǎn)、局部變形；以及對(duì)樣本集合進(jìn)行標(biāo)注，擴(kuò)充。

8.根據(jù)權(quán)利要求7所述的基于深度學(xué)習(xí)的果實(shí)識(shí)別裝置，其特征在于，所述對(duì)樣本集合進(jìn)行擴(kuò)充，包括：

對(duì)所述樣本集合進(jìn)行數(shù)據(jù)增強(qiáng)處理，通過(guò)樣本集合中的圖像隨機(jī)縮放、裁剪、平移、剪切和旋轉(zhuǎn)，并更新標(biāo)注信息。

9.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有程序；所述程序由處理器加載并執(zhí)行以實(shí)現(xiàn)如上述權(quán)利要求1-4任一項(xiàng)所述的基于深度學(xué)習(xí)的果實(shí)識(shí)別方法。