[发明专利]一种基于Mask R-CNN的青椒图像检测方法

权利要求书

1.一种基于Mask R-CNN的青椒图像检测方法，其特征在于，包括如下步骤：

采集不同光照条件下的青椒图像；

对采集的所述青椒图像进行图像预处理并形成样本集；

将所述样本集划分测试集和训练集；

将所述训练集输入到初始Mask R-CNN模型中进行训练，检测图像中的青椒目标，得到基于青椒图像的Mask R-CNN检测青椒目标的模型；

将所述测试集对已经训练好的Mask R-CNN模型进行测试并调整至模型收敛，得到最终Mask R-CNN训练模型；

对识别得到的青椒目标进行定位，确定青椒的坐标信息，然后通过采摘序列算法对其进行采摘序列排序。

2.如权利要求1所述的一种基于Mask R-CNN的青椒图像检测方法，其特征在于，所述不同光照条件下的青椒图像包括早晨、中午、傍晚以及晚上大棚灯照条件下的青椒图像。

3.如权利要求1所述的一种基于Mask R-CNN的青椒图像检测方法，其特征在于，所述图像预处理包括以下一种或多种的组合：翻转、拉伸、调节亮度、增加噪声点干扰以及抖动。

4.如权利要求1所述的一种基于Mask R-CNN的青椒图像检测方法，其特征在于，将所述样本集按照PASCAL VOC数据集格式划分为所述测试集和所述训练集。

5.如权利要求1所述的一种基于Mask R-CNN的青椒图像检测方法，其特征在于，所述初始Mask R-CNN模型包括预训练好的ResNet。

6.如权利要求5所述的一种基于Mask R-CNN的青椒图像检测方法，其特征在于，将所述训练集输入到所述预训练好的ResNet中，得到对应的特征面；接着对所述特征面中的每一个点设定预定的ROI，得到多个候选ROI。

7.如权利要求6所述的一种基于Mask R-CNN的青椒图像检测方法，其特征在于，对所述候选ROI进行二值分类，过滤掉部分候选ROI，得到目标ROI。

8.如权利要求7所述的一种基于Mask R-CNN的青椒图像检测方法，其特征在于，对所述目标ROI进行ROI Align操作，并对所述目标ROI进行分类、回归以及mask生成。

9.如权利要求1所述的一种基于Mask R-CNN的青椒图像检测方法，其特征在于，所述采摘序列算法包括过滤不符合目标的青椒。

10.如权利要求9所述的一种基于Mask R-CNN的青椒图像检测方法，其特征在于，所述目标包括未成熟或不符合尺寸值。