[發明專利]一種基于圖像的柑橘果實檢測與識別方法及系統

有效

• 申請號: 202211134430.3
• 申請日: 2022-09-19
• 公開（公告）號: CN115205853B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 佃袁勇;郭志強;周靖靖;胡春根;張金智;劉永忠
• 申請（專利權）人: 華中農業大學
• 主分類號: G06V20/68
• 分類號: G06V20/68;G06V10/44;G06V10/82;G06V10/774;G06V10/26;G06V10/28;G06V10/34;G06N3/04;G06N3/08
• 代理公司: 武漢謙源知識產權代理事務所(普通合伙) 42251
• 代理人: 王力

本發明涉及一種基于圖像的柑橘果實檢測與識別方法及系統，其方法包括獲取柑橘果實的實景拍攝照片并對中心點進行標注，建立數據集；對數據集進行擬合得到柑橘果的果實邊界，并生成多尺度空間梯度概率圖；構建多尺度空間注意力深度學習網絡模型并進行訓練；獲取目標柑橘實景拍攝照片，并將目標柑橘實景拍攝照片輸入至多尺度空間注意力深度學習網絡進行檢測與識別，得到柑橘果預測點位圖。本發明通過對標記后的實景拍攝照片形成的數據集進行擬合，得到柑橘果的果實邊界和多尺度空間梯度概率圖，構建多尺度空間注意力深度學習網絡模型并進行訓練，從而實現對目標柑橘實景拍攝照片的識別，得到柑橘果預測點位圖，檢測方法簡單使用、可移植性強。

技術領域

本發明涉及農業智能監測技術領域，尤其涉及一種基于圖像的柑橘果實檢測與識別方法及系統。

背景技術

目前，柑橘是經濟價值極高的樹種，在區域經濟中具有重要地位。隨著經濟的發展，柑橘林種植面積逐年擴大，柑橘林產量及人工采摘成本成倍增加。為了進一步提高采摘效率，為農民增收減負，需要更加智能化的采摘流程。近年來，圖像技術的成熟為大范圍的柑橘果實智能檢測和識別提供了條件，因此開展基于圖像的大范圍柑橘果實智能檢測與識別非常有必要。

隨著人工智能與計算機視覺技術的快速發展，以深度學習為代表的新型智能算法為賦能智慧化農業生產提供了技術保障。目前主流的語義分割模型算法在復雜場景中的精細分割任務表現良好，同基于檢測框的目標檢測方法相比，可以借助端對端的訓練框架進行快速的訓練檢測，檢測速度和精度有一定提升，其中U-Net是目前植物物種智能檢測領域應用潛力較大的一種算法，具有極高的檢測精度，然而該方法對目標的精細化程度和背景復雜度均有嚴格的要求。

現有柑橘林果的檢測與計數方法主要是實地人工計數，采取邊標記邊計數的方式，避免人工計數的重復和遺漏，這種方法雖然計數結果準確率高，但耗時耗力，效率低；

通過上述分析，現有技術存在的問題及缺陷為：

（1）現有柑橘計數方法具有靈活性差、檢測速度慢、不適合大范圍快速檢測。

（2）受到光照變化、生長姿態、遮擋、疊加、相機角度和其他惡劣工作條件的影響，導致識別難度進一步急劇增加。

（3）每個果實的特征（顏色、紋理、形狀、大小）差異很大，常規語義分割模型不能提取多尺度空間信息。

發明內容

本發明所要解決的技術問題是針對上述現有技術的不足，提供一種基于圖像的柑橘果實檢測與識別方法及系統。

本發明解決上述技術問題的技術方案如下：一種基于圖像的柑橘果實檢測與識別方法，包括如下步驟：

獲取柑橘果實的實景拍攝照片，并對所述實景拍攝照片中果實的中心點進行標注，建立數據集；

基于所述中心點利用區域生長算法對所述數據集進行擬合，得到柑橘果的果實邊界，并生成基于果實中心點的多尺度空間梯度概率圖；

構建多尺度空間注意力深度學習網絡模型，并基于所述多尺度空間梯度概率圖對所述多尺度空間注意力深度學習網絡模型進行訓練；

獲取目標柑橘實景拍攝照片，并將所述目標柑橘實景拍攝照片輸入至所述多尺度空間注意力深度學習網絡進行檢測與識別，得到柑橘果預測點位圖。

本發明的有益效果是：本發明的基于圖像的柑橘果實檢測與識別方法，通過對標記后的實景拍攝照片形成的數據集進行擬合，得到柑橘果的果實邊界，并得到多尺度空間梯度概率圖，構建多尺度空間注意力深度學習網絡模型，并基于多尺度空間梯度概率圖進行訓練，從而實現對目標柑橘實景拍攝照片的識別，得到柑橘果預測點位圖，本發明的智能檢測方法簡單使用、可移植性強，能為大范圍柑橘果實檢測和識別提供理論參考和科學依據，進而為柑橘果全過程生長周期監測和評估服務。

在上述技術方案的基礎上，本發明還可以做如下改進：