[发明专利]一种基于花蕊检测的花朵计数方法

说明书

本发明公开了一种基于花蕊检测的花朵计数方法，所述方法包括以下步骤：步骤(1)：收集需要计数的花卉图像样本，并且标记花蕊区域所在的位置及类别，制作数据集；步骤(2)：根据步骤(1)制作的数据集，利用Faster‑RCNN目标检测网络训练数据集，使得网络可以准确识别图像中的花蕊区域类别及分值；步骤(3)：根据步骤(2)训练完成的网络，将待计数的图像输入网络，获取每一个识别出的花蕊区域的类别及分值，通过筛选确定图像中的花蕊数量及对应类别，从花蕊的数量进而确定花朵数量。本发明，通过Faster‑RCNN来训练针对花蕊区域的定位及识别，可以有效减少由于背景及遮挡对花朵的影响，提高计数的准确率。

技术领域

本发明涉及计算机视觉和图像识别领域，尤其涉及一种基于花蕊检测的花朵计数方法。

背景技术

花朵计数在机械采摘，自动捆扎等方面均起到关键性作用。但由于花瓣之间遮挡，以及枝干树叶的干扰，想要完整分离出一捆花的每一个花朵难度很大，目前除了利用传统人工计数以外，还没有很好的花朵计数方法。人工计数成本高，不利于自动化生产，且容易出现差错。针对多种花朵混合的情况，人工出错的概率更高。

发明内容

针对现有技术的不足，本发明提供一种花蕊检测的花朵计数方法，适用于花蕊区域可见的花朵计数。所述方法具有很强的抗遮挡，抗干扰能力，计数准确率及效率大幅提升。为解决上述技术问题，本发明的技术方案如下：一种基于花蕊检测的花朵计数方法，所述方法包括以下步骤：

步骤(1)：收集需要计数的花卉图像样本，并且标记花蕊区域所在的位置及类别，制作数据集；

步骤(2)：根据步骤(1)制作的数据集，利用Faster-RCNN目标检测网络训练数据集，使得网络可以准确识别图像中的花蕊区域类别及分值；

步骤(3)：根据步骤(2)训练完成的Faster-RCNN网络，将待计数的图像输入网络，获取每一个识别出的花蕊区域的类别及分值，通过筛选确定图像中的花蕊数量及对应类别，从花蕊的数量进而确定花朵数量；

作为对上述方案的进一步描述：步骤(1)中每张图片中提取的花蕊区域位置及类型通过x，y，h，w，c五个数值表示，其中x表示花蕊区域左上角的横坐标，y表示花蕊区域左上角的纵坐标，h代表花蕊区域的高度，w代表花蕊区域的宽度，c代表花蕊区域的类别；其中图像以左上角为坐标原点，向下为纵轴，向右为横轴，类别从0开始，依次为1，2…；通过图像处理技术将图像尺寸全部调整为224*224像素；并将每幅图像的像素点进行标准化，均值为0，标准差为1。

作为对上述方案的进一步描述：步骤(2)中利用数据集训练Faster-RCNN目标检测网络，特征提取网络采用ResNet101，锚点的种类设置为9种，三种面积分别是32*32，64*64和128*128，三种长宽比分别是1∶1，1∶1.5，1.5∶1；IOU大于0.8为正样本，小于0.2为负样本；在训练RPN时，随机抽取128个正样本及128个负样本进行训练；最后的分类器采用softmax分类器，训练完成后，将训练好的模型保存。

作为对上述方案的进一步描述：步骤(3)中对于待计数的图像，先将尺寸裁剪为224*224像素，然后将像素点进行标准化，均值为0，标准差为1，然后输入Faster-RCNN网络；获取所有识别出的花蕊区域的类别和分值，其中分值采用百分制，表示该区域最有可能属于某类花蕊的概率；根据实际情况，将不属于图像中的类别所对应的花蕊区域删除，同时将低于80％分值的花蕊区域删除，最后将剩余的花蕊区域进行统计，获取每个花蕊类型对应的数量，从而获得该图像中每类花朵的个数，完成计数。

与现有技术相比，本发明具有以下有益效果：

1、花蕊区域一般不易受到背景的干扰，且被花瓣遮挡的概率较小，利用花蕊区域计数来代替整个花朵的计数，可以有效提升计数准确率及效率。