[发明专利]一种模拟遮挡阴影增强植物数据样本的方法

权利要求书

1.一种模拟遮挡阴影增强植物数据样本的方法，其特征在于，具体步骤如下：

S1：选取植物最典型的阴影模板若干，构建标准阴影模板库；

S2：输入图片，由网络模型进行识别，返回探测出图片中需要增加阴影的目标；

S3：从标准阴影模板库随机选取任一阴影模板；

S4：调整选取的阴影模板的大小；

S5：将调整大小后的阴影模板在输入图片中移动，并使阴影模板与输入图片的识别目标交叉；

S6：根据目标的阴影强度，对阴影模板与输入图片的识别目标交叉的区域进行亮度调整，获得新的数据样本。

2.根据权利要求1所述的一种模拟遮挡阴影增强植物数据样本的方法，其特征在于，在步骤S1中，根据植物所属作物，选取植物最典型的形状和姿态的阴影模板若干。

3.根据权利要求1所述的一种模拟遮挡阴影增强植物数据样本的方法，其特征在于，还包括步骤S0，建立目标植物的网络模型，具体步骤如下：

S0-1：拍摄不同的含有目标植物的若干照片；

S0-2：利用labelme标注工具对S0-1获取的图片中的目标进行标注，框出图片中的目标；

S0-3：对S0-2标注好的图片进行预处理，包括数据增强和归一化处理；

S0-4：将S0-3预处理后的图片按照5：1的比例将数据分成训练集和测试集；

S0-5：训练集中的数据通过faster rcnn深度神经网络提取图片的特征信息，然后预测图片中目标的位置信息，经多次迭代后生成网络参数；

S0-6：测试集中的数据通过faster rcnn深度神经网络对S0-5生成的网络参数进行测试，获得测试图片的位置信息与测试图片在S0-2标注的位置信息进行比较，最终通过平均精度map和召回率recall进行评估；

S0-7：重复步骤S0-5和S0-6，直至map和recall达到需求；

S0-8：将最终训练好的网络参数，加载到faster rcnn网络模型当中。

4.根据权利要求1所述的一种模拟遮挡阴影增强植物数据样本的方法，其特征在于，在步骤S2中，网络模型进行识别输入图片后，返回探测出图片中需要增加阴影的目标的可信度和位置信息集合。

5.根据权利要求1所述的一种模拟遮挡阴影增强植物数据样本的方法，其特征在于，在步骤S4中，将阴影模板扩大k(s)倍，得到调整后的阴影模板；k(s)为阴影模板放大倍数，k(s)根据以下公式获得：

其中，Area_目标T为目标面积，Area_阴影模板为阴影模板面积，f为阴影大小系数，f＞0，f_min为阴影大小系数最小值，f_max为阴影大小系数最大值。

6.根据权利要求1所述的一种模拟遮挡阴影增强植物数据样本的方法，其特征在于，在步骤S5中，将调整大小后的阴影模板在输入图片中随机水平和垂直移动。

7.根据权利要求1所述的一种模拟遮挡阴影增强植物数据样本的方法，其特征在于，在步骤S5中，阴影模板与输入图片的识别目标交叉后的面积交并比IoU处于IoU_min与IoU_max之间，并获得交叉位置的位置信息集合。

8.根据权利要求1所述的一种模拟遮挡阴影增强植物数据样本的方法，其特征在于，在步骤S6中，目标的阴影强度L_△根据以下公式获得：

L_△＝-L₀*f_l

其中，L₀为目标的平均亮度，f_l为阴影系数。