[发明专利]基于深度学习的高分辨率大田图像稻穗检测与计数方法

权利要求书

1.一种基于深度学习的高分辨率大田图像稻穗检测与计数方法，其特征在于，包括：

步骤A，将采集好的待检测高分辨率大田图像有重叠地裁剪为若干张适当大小的子图；

步骤B，基于深度目标检测网络对原始高分辨率大田图像对应的所有子图进行稻穗检测，得到子图稻穗预测框；

步骤C，将原始高分辨率大田图像中对应的所有子图中的稻穗预测框映射到原图中；

步骤D，对原图中各子图重叠区域的预测框进行处理，计算量化存在重叠的两个预测框之间的重叠程度和重叠方式，去除重复预测框；

步骤E，在去除了重复预测框之后的原图中，统计预测框的数目，所得结果即为穗数。

2.根据权利要求1所述的基于深度学习的高分辨率大田图像稻穗检测与计数方法，其特征在于，所述步骤B中用于检测子图中稻穗的深度目标检测网络，其离线训练方法包括5个步骤：

(1)采集不同品种抽穗期水稻大田高分辨率图像若干张；

(2)利用图像标注软件对采集的图像中的稻穗进行标注；

(3)利用列表切片的方式，将原图有重叠地裁剪为适当大小的子图，重叠尺寸根据图像中较大目标的平均尺寸确定，保证绝大部分目标在至少一张子图中完整保留，子图尺寸根据重叠尺寸、所选目标检测网络结构以及计算机内存决定，裁剪原图后再将原图的标签文件裁剪为与子图一一对应的子标签；

(4)利用图像标注软件对子标签文件进行人工检查，提高标签质量；

(5)将用于训练的子图和对应的标签文件输入目标检测网络，训练目标检测网络，得到用于检测子图中稻穗的深度目标检测网络。

3.根据权利要求1所述的基于深度学习的高分辨率大田图像稻穗检测与计数方法，其特征在于，所述步骤B用到的深度目标检测网络，使用soft-nms算法取代常规nms算法以提高检测精度。

4.根据权利要求1所述的基于深度学习的高分辨率大田图像稻穗检测与计数方法，其特征在于，所述步骤D中去除重复预测框的方法包括4个步骤：

(1)提取一张原图对应的所有子图的预测框的坐标信息；

(2)遍历所有预测框，筛选出两两子图之间存在重叠的预测框；

(3)根据坐标信息，判定重叠的预测框，具体操作为，按照裁剪顺序，从左至右、从上到下，遍历每一张子图的预测框；遍历每张子图时，内部遍历该子图左上、正上、右上和左侧子图的预测框，没有的则跳过；单向判断该子图的预测框是否与相邻子图上预测框满足图3所示16种重叠方式的任意一种，如果满足一种，则认为两个预测框存在重叠；

(4)对于重叠的两个预测框，计算量化两者的重叠程度和重叠方式，并去除重复预测框，具体操作为，首先提取两个重叠框的坐标信息，计算两者的面积以及交集面积；接着，比较两个框的面积大小，并计算iob值及bou值

iob＝交集面积/小框面积 (1)

bou＝大框面积/并集面积 (2)

若iob＞iob阈值且bou＞bou阈值，则删除面积小的预测框，否则不做处理。

5.根据权利要求1所述的基于深度学习的高分辨率大田图像稻穗检测与计数方法，其特征在于，不仅适用于稻穗的目标检测，也适用于小麦、玉米等农作物的果穗检测。

6.根据权利要求1所述的基于深度学习的高分辨率大田图像稻穗检测与计数方法，其特征在于，理论上对图像的分辨率没有最大限制。