[发明专利]一种基于云计算平台的田间茶叶嫩梢检测方法

权利要求书

1.一种基于云计算平台的田间茶叶嫩梢检测方法，按照以下步骤进行：

1)客户端通过工业相机或其他图像采集设备采集田间的茶叶图像；

2)客户端将相机采集的图像进行图像处理之后采用TCP通讯发送给云服务端，并根据图像采集的季节和品种选择合适的茶叶嫩梢检测模型，反馈给云服务端；

3)云服务端加载茶叶嫩梢检测的深度学习模型，对该帧图像进行茶叶嫩梢的检测；

4)云服务端将检测结果(是否检测到目标和目标的具体位置)进行编码然后回传给客户端；

5)客户端对传输回的结果进行解码；如果没有目标则进行下一帧的处理，返回步骤2；如果有目标则对目标进行空间的定位；

6)客户端将茶叶嫩梢的定位信息传给下位机进行采摘，完成采摘后返回步骤2，重新进行下一帧的处理。

2.根据权利要求1所述的基于云计算平台的田间茶叶嫩梢检测方法，其特征在于：所述步骤2)中的图像处理，主要指将由于图像采集时所产生的噪声进行降噪处理，使之成为便于检测的嫩梢图像，提高嫩梢检测的成功率。

3.根据权利要求2所述的基于云计算平台的田间茶叶嫩梢检测方法，其特征在于：所述步骤4)的检测结果，主要指是否检测到茶叶嫩梢目标，如果未检测到目标则用数字0进行编码，如果检测到目标则用数字1表示，同时将目标的位置坐标一起进行编码，之后将编码的结果发送给客户端。

4.根据权利要求3所述的基于云计算平台的田间茶叶嫩梢检测方法，其特征在于：所述茶叶嫩梢检测的深度学习模型，按照以下步骤进行：

特征图提取、关键点估计、中心点偏移预测、尺寸偏置预测、BBOX推理；

所述特征图提取，是将输入图像通过基本框架处理生成对应关键点的热力图其中C为关键点类型数目，指模型待预测的类别数；

所述关键点估计，是对于每个图中的某一类C，将真实的关键点计算出来用于训练，最终获取分辨率为128×128的三通道图像；

所述中心点偏移预测，是为补偿重新映射的特征图的精度误差，而采用的局部偏置；

所述尺寸偏置预测，是为了减少每个图像的尺寸回归的难度，对图像的特征图进行尺寸偏置量的预测；

所述BBOX推理，是将前述中心点偏移量、尺寸偏置量与关键点结合一起，推理出中心点坐标和尺寸框的大小。

5.根据权利要求4所述的基于云计算平台的田间茶叶嫩梢检测方法，其特征在于：所述特征图提取步骤中的基本框架，是指生成热力图常用的三种网络框架：分别为stackedhourglass network，ResNet，deep layer aggregation(DLA)网络框架。