[发明专利]一种基于深度学习后优化的葡萄果梗精准识别方法

权利要求书

1.一种基于深度学习后优化的葡萄果梗精准识别方法，其特征在于，包括如下步骤：

步骤1，采集葡萄果梗图片，并对葡萄果梗图片进行标注；

步骤2，通过深度学习模型Mask R-CNN对标注后的葡萄果梗图片进行识别，获取预识别葡萄果梗区域；

步骤3，根据预识别葡萄果梗区域，获取葡萄果梗轮廓坐标以及葡萄果梗区域坐标；

步骤4，根据葡萄果梗轮廓坐标获取葡萄果梗轮廓的H通道值{D_j(0＜j＜n)}、S通道值{E_j(0＜j＜n)}和V通道值{F_j(0＜j＜n)}，以及根据葡萄果梗区域坐标获取葡萄果梗区域的H通道值{A_i(0＜i＜n)}、S通道值{B_i(0＜i＜n)}和V通道值{C_i(0＜i＜n)}，其中n为大于1的整数；

步骤5，分别计算葡萄果梗区域的H通道平均值a＝{A_i(0＜i＜n)}/n、S通道平均值b＝{B_i(0＜i＜n)}/n以及V通道平均值c＝{C_i(0＜i＜n)}/n；

步骤6，将葡萄果梗轮廓选取为种子点，基于种子点并按照区域生长准则进行区域生长。

2.如权利要求1所述的一种基于深度学习后优化的葡萄果梗精准识别方法，其特征在于，在步骤6中，基于种子点并按照区域生长准则进行区域生长的具体方法为：对种子点的四邻域范围内的像素点进行搜索，若种子点的四邻域范围内的像素点的H通道值、S通道值和V通道值分别满足颜色阈值范围a±d、b±d和c±d，则将该像素点合并到种子点所属的生长区域，并将该像素点作为新的种子点进行搜索，直至没有像素点可以合并到种子点所属的生长区域，其中d＝ln(|D_j-a|²+|E_j-b|²+|F_j-c|²)。

3.如权利要求2所述的一种基于深度学习后优化的葡萄果梗精准识别方法，其特征在于，在步骤1，葡萄果梗图片通过CCD相机采集。

4.如权利要求3所述的一种基于深度学习后优化的葡萄果梗精准识别方法，其特征在于，在步骤1中，葡萄果梗图片通过labelme标注工具进行标注。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器执行时实现如权利要求1至4中任何一项所述的一种基于深度学习后优化的葡萄果梗精准识别方法。