[發明專利]一種獼猴桃圖像不均勻光照的智能矯正方法

在審

• 申請號: 202210629593.2
• 申請日: 2022-06-06
• 公開（公告）號: CN114998140A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 盧津;孔憲光;孫宜君
• 申請（專利權）人: 智秦（西安）科技產業發展有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06V10/764;G06V10/774
• 代理公司: 無錫風創知識產權代理事務所(特殊普通合伙) 32461
• 代理人: 馮霞霞

本發明面向獼猴桃機械化、智能化采摘的迫切需求，針對田間全天候自然環境造成的獼猴桃圖像不均勻光照的問題，提出了一種不均勻光照的智能矯正方法。首先從SICE數據集挑選具有不同曝光值的圖像序列，構建多重曝光圖像數據集；然后構建CBAM?DCE?Net深度學習網絡，設置訓練選項與相關參數，完成CBAM?DCE?Net網絡模型訓練與尋優；進而利用該網絡輸出的曲線參數擬合最佳亮度增強曲線；最后通過亮度增強曲線的不斷迭代增強，完成獼猴桃圖像不均勻光照的智能矯正。該方法利用深度學習網絡模型對圖像進行特定的曲線估計，圖像視覺效果和對比度得到了有效提升。

一、技術領域

本發明屬于智慧農業領域，特別涉及一種基于深度學習的獼猴桃圖像不均勻光照的智能矯正方法。

二、背景技術

2021年強調將以更有力的舉措，匯聚更強大的力量，加快農業農村現代化。智慧農業是我國農業現代化發展的必然趨勢。獼猴桃營養豐富，被譽為“水果之王”。獼猴桃果實的商品附加價值高，增加農民收益效果顯著。獼猴桃收獲是一項勞動密集型作業，我國現行的獼猴桃果實收獲的機械化水平較為低下，導致果實的生產成本提高。隨著我國城鄉一體化的推進，農業勞動力存在“老齡化”等問題。獼猴桃隸屬藤蔓植物，在我國一直采用棚架栽培模式，需立柱支撐、鋼絲組網，且果實大都成簇生長。在田間，獼猴桃受全天候光照強度變化、樹葉遮光以及相機動態范圍限制等影響，采集的圖像往往呈現一些不適定特征，如低照度、低對比度和細節模糊等光照不均勻的現象，以致在智能識別階段出現了較嚴重的漏檢和誤檢，給后續的機器人自動化采摘工作帶來很大困難，甚至無法開展機械化、智能化采摘。獼猴桃圖像不均勻光照矯正是確保推進與實現智能化采摘的關鍵環節。

目前，圖像的不均勻光照矯正方法可以分為兩類：基于物理模型的傳統矯正方法和基于數據驅動的深度學習方法。前者，一方面是對圖像中像素個數多的灰度值進行展寬，對像素個數少的灰度值進行歸并，從而增大對比度，達到圖像增強的目的；一方面通過提取輸入圖像的光照分量對曝光不足的圖像進行增強。后者通常使用許多成對的訓練數據集和復雜的網絡結構來調整圖像亮度和增強對比度，如基于BIMEF，RetinexNet，EnlightenGAN或Zero-DCE的網絡結構矯正方法。與傳統方法相比，深度學習方法具有更好的普適性，但通常使用大量配對的訓練數據集進行復雜網絡結構的訓練與尋優，模型性能往往取決于數據集的質量與數量。此外，這兩類方法在處理低質量圖像時存在顏色失真、細節模糊、產生偽影以及銳化圖像的問題，在田間自然環境中難以進行有效應用。

三、發明內容

針對上述問題，本發明提出一種獼猴桃圖像不均勻光照的智能矯正方法，包括以下步驟：

步驟1：構建多重曝光圖像數據集；

步驟1.1：從田間采集獼猴桃不均勻光照圖像，并從SICE數據集挑選360 個具有不同曝光值的圖像序列，構建多重曝光圖像數據集；

步驟1.2：按照一定比例將360個具有不同曝光值的圖像序列劃分為訓練集和驗證集，將獼猴桃不均勻光照圖像劃分為測試集；

步驟1.3：將圖像尺度統一調整為512pixel×512pixel。

步驟2：構建CBAM-DCE-Net網絡結構，利用步驟1構建的多重曝光數據集訓練與尋優CBAM-DCE-Net網絡模型；

步驟2.1：構建CBAM-DCE-Net網絡結構，在DCE-Net網絡結構的前六個卷積模塊之后分別添加CBAM，之后將前六個卷積模塊之后的ReLU激活函數替換為LeakyReLU激活函數，最終形成CBAM-DCE-Net網絡結構。其中，CBAM 為輕量級的通用注意力模塊，用以提升網絡的特征表達能力；LeakyReLU激活函數是ReLU激活函數的變體，能減少靜默神經元的出現，允許基于梯度的學習。

步驟2.2：基于步驟2.1構建的CBAM-DCE-Net網絡結構，采用步驟1構建的多重曝光圖像數據集進行模型訓練與參數尋優。