[发明专利]一种基于卷积神经网络的甘蔗蔗节特征识别与定位方法

说明书

本发明公开了一种基于卷积神经网络的甘蔗蔗节特征识别与定位方法，属于计算机视觉技术领域，通过深层卷积神经网络，对甘蔗图像数据进行识别处理，得到甘蔗特征识别定位模型，通过输入模型的图像数据，获得甘蔗表面特征数据，继而得到特征的真实坐标数据。主要包括两部分，第一部分为识别定位系统模型的建立与训练，第二部分为识别定位，将数据传递给后续设备。本方法具有识别率高，响应速度快等优点，通过结合识别后的算法能够对甘蔗蔗节信息进行实时更新，可使识别率可以达到90％以上，并使识别时间在50毫秒左右，从而实现甘蔗切种机械智能化，大大提高生产效率。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于卷积神经网络的甘蔗蔗节特征识别与定位方法。

背景技术

糖业的发展是中国粮食和食品安全重要保障之一，其中蔗糖占食糖消费的90％以上。广西是我国最大的糖料蔗生产基地，占全国糖料蔗面积和产量的60％以上。近年来，受机械化推进缓慢、智能化程度低等多种因素影响，甘蔗生产效率低，市场竞争力下降，对我国食糖产业安全带来严重的冲击。以往人为识别甘蔗并进行切种的生产方式不能满足时代的需求与社会发展需要，为提高甘蔗切种效率与精度，急需一种能快速识别定位甘蔗特征，对甘蔗进行识别，定位，分类的方法。

目前针对甘蔗的特征识别工作还停留在单根或者基本的图像处理与识别方面，还没有使用深度学习网络对整根甘蔗图像进行快速处理的方法。随着深度学习的提出与发展，应用于目标检测定位的图像处理技术用来识别定位甘蔗蔗节，对于提高生产效率，具有深远意义。

发明内容

本发明的目的在于提供一种基于卷积神经网络的甘蔗蔗节特征识别与定位方法，以解决现有甘蔗切种低效率的技术问题。

一种基于卷积神经网络的甘蔗蔗节特征识别与定位方法，所述方法包括如下步骤：

步骤1：通过摄像装置对甘蔗进行图像采集，得到采集图像；

步骤2：使用标注工具对甘蔗图片进行甘蔗标记，识别蔗节特征，制作训练集，训练集包括输入照片以及对应的蔗节特征分类标签；

步骤3：将训练集输入卷积神经网络中，使用改进的卷积神经网络进行训练，训练迭代学习输出最优深度学习模型，得到权重参数文件；

步骤4：启动甘蔗蔗节特征识别，对摄像头采集的视频进行处理，保存为图片，并设置照片的读取速度，将图片输入学习模型进行识别定位，对图片进行识别，输出蔗节边框素坐标；

步骤5：对识别后的甘蔗边框素坐标数据进行处理，得到实际蔗节位置并将数据传给后续甘蔗种子切割装置进行对甘蔗种子切割。

进一步地，所述步骤1的具体过程为：

使用摄像装置对甘蔗进行视频采样，得到甘蔗采样视频，对采样视频进行帧处理得到采样图像，并设置图片尺寸，其中采样的甘蔗使用不同品种，不同颜色。

进一步地，所述步骤2的具体过程为：

使用标记工具对甘蔗图片进行人工标记，标记关键特征点，即整根甘蔗以及甘蔗特征，通过关键特征点定位，特征点的特性必须在所有图片中保持一致，并且所有标签在所有图片中必须保持一致，之后生成标记文件，文件内含甘蔗图像蔗节位置像素点坐标以及甘蔗特征的分类标签，即包含神经网络要预测的对象分类标签与表示边界框的四个数字，分别为中心点坐标以及边界框的宽与高。

进一步地，所述步骤3的具体过程为：