[发明专利]一种杂草识别方法、装置、终端设备及可读存储介质

权利要求书

1.一种杂草识别方法，其特征在于，包括：

获取待识别图像；其中，所述待识别图像为包含植株群的图像；

通过预训练的目标检测算法对所述待识别图像进行分割，获得预分割图像；其中，预分割图像为包含所述植株群的关键部位的分割图像；

对所述预分割图像进行聚类，获得一个以上的子图像；

获取满足预设条件的子图像，作为目标图像；

将所述目标图像和所述待识别图像输入预训练的神经网络模型中，获得杂草种类识别结果。

2.如权利要求1所述的杂草识别方法，其特征在于，所述通过预训练的目标检测算法对所述待识别图像进行分割，获得预分割图像，包括：

以植株群的关键部位为目标，通过所述预训练的目标检测算法对所述待识别图像进行目标检测，获得目标检测结果；其中，关键部位包括根、茎和叶；所述目标检测结果包括所述关键部位在所述待识别图像中的位置信息和置信度；

根据所述目标检测结果对所述待识别图像进行分割，获得一个以上的预分割图像。

3.如权利要求1所述的杂草识别方法，其特征在于，所述对所述预分割图像进行聚类，获得一个以上的子图像，包括：

根据置信度对所述预分割图像进行聚类，将每个聚类结果作为一个子图像。

4.如权利要求1所述的杂草识别方法，其特征在于，所述获取满足预设条件的子图像，作为目标图像，包括：

获取每个所述子图像的置信度；

对所述置信度进行排序，获取满足所述预设条件的置信度对应的子图像，作为目标图像。

5.如权利要求1所述的杂草识别方法，其特征在于，将所述目标图像和所述待识别图像输入预训练的神经网络模型中，获得杂草种类识别结果，包括：

将所述目标图像和所述待识别图像输入预训练的神经网络模型中，获得所述待识别图像中的植株群属于每个种类的杂草的概率；

获取概率最大的杂草的种类，作为杂草种类识别结果。

6.如权利要求1至5任一项所述的杂草识别方法，其特征在于，所述通过预训练的目标检测算法对所述待识别图像进行分割，获得预分割图像之前，包括：

获取两个以上的包含植株群的图像作为训练数据；

对所述训练数据中植株群的关键部位添加候选框进行标记，获得标记后的训练数据；

根据所述标记后的训练数据对目标检测算法进行预训练，获得预训练的目标检测算法；其中，目标检测算法包括yolo-v3算法、目标掩码检测算法或单机多框检测算法。

7.一种杂草识别装置，其特征在于，包括：

第一获取模块，用于获取待识别图像；其中，所述待识别图像为包含植株群的图像；

分割模块，用于通过预训练的目标检测算法对所述待识别图像进行分割，获得预分割图像；其中，预分割图像为包含所述植株群的关键部位的分割图像；

聚类模块，用于对所述预分割图像进行聚类，获得一个以上的子图像；

第二获取模块，用于获取满足预设条件的子图像，作为目标图像；

识别模块，用于将所述目标图像和所述待识别图像输入预训练的神经网络模型中，获得杂草种类识别结果。

8.如权利要求7所述的杂草识别装置，其特征在于，所述分割模块，包括：

目标检测单元，用于以植株群的关键部位为目标，通过所述预训练的目标检测算法对所述待识别图像进行目标检测，获得目标检测结果；其中，关键部位包括根、茎和叶；所述目标检测结果包括所述关键部位在所述待识别图像中的位置信息和置信度；

分割单元，用于根据所述目标检测结果对所述待识别图像进行分割，获得一个以上的预分割图像。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。