[发明专利]一种同色系背景下目标果实检测方法及检测系统

权利要求书

1.一种同色系背景下目标果实检测方法，其特征是，包括如下步骤：

获取同色系背景下目标果实的图像数据，并对图像进行预处理；

对获取的图像数据采用深度卷积网络进行图像特征提取，并通过特征金字塔网络进行融合，获得融合后的预测特征图；

对于特征金字塔网络的每一层级的特征图分别进行预测，通过分类与回归两个分支，以全卷积的方法生成目标果实的预测值。

2.如权利要求1所述的一种同色系背景下目标果实检测方法，其特征是：对获取的图像数据采用深度卷积网络进行图像特征提取，并通过特征金字塔网络进行融合，获得融合后的预测特征图的方法，如下：

将目标果实图像传输到残差网络ResNet中，执行卷积和池化操作；

将ResNet中各残差块输出的不同尺寸的特征图，按照自顶向下与横向连接的方式进行融合，使深层特征图与浅层特征图具有相同水平的语义容量，得到特征金字塔。

3.如权利要求2所述的一种同色系背景下目标果实检测方法，其特征是：按照自顶向下与横向连接的方式进行融合，其中，横向连接以1×1卷积改变通道数至固定值；或者，自顶向下为采用最近邻插值法上采样至相同尺寸，最后以像素级相加的方式融合深层特征与浅层特征。

4.如权利要求1所述的一种同色系背景下目标果实检测方法，其特征是：对于特征金字塔网络的每一层级的特征图分别进行预测，通过分类与回归两个分支，以全卷积的方法生成目标果实的预测值的方法，具体为：

按照目标果实标注框的尺度，将目标果实标注框分配到不同层级的特征图负责预测，再以收缩因子，得到每一层级负责预测的目标果实标注框在特征图上的正采样区域，确定特征图上每一个空间位置为正样本或者负样本；

对每一个正样本通过分类与边框回归分支，预测该正样本属于果实的置信度以及该正样本与目标果实标注框之间的正则化偏移。

5.如权利要求1所述的一种同色系背景下目标果实检测方法，其特征是：目标果实检测方法的实现过程，在融合了金字塔网络的全卷积神经网络模型中实现，模型结构包括负责提取特征的骨干网络、负责融合特征的特征金字塔及负责产生预测结果的预测分支网络；骨干网络、特征金字塔以及预测分支网络依次连接，其中，骨干网络和预测分支网络分别采用卷积神经网络。

6.如权利要求5所述的一种同色系背景下目标果实检测方法，其特征是，对融合了金字塔网络的全卷积神经网络模型进行训练的方法，包括如下步骤：

获取同色系背景下包含不同类型的干扰的果实图像，进行预处理并进行标注，得到果实图像的标注信息；

对获取的图像数据采用深度卷积网络进行图像特征提取，并通过特征金字塔网络进行融合；

对于特征金字塔网络的每一层级的特征图分别进行预测，通过分类与回归两个分支，以全卷积的方法生成目标果实的预测值；

根据标注信息确定特征图上每一个空间位置的训练目标；

计算目标果实的预测值与训练目标之间的损失，并通过梯度反向传播更新网络参数，迭代训练并评估，从而得到最优模型。

7.如权利要求1所述的一种同色系背景下目标果实检测方法，其特征是：根据标注信息确定特征图上每一个空间位置的训练目标的方法，具体为：

按照目标果实图像标注信息的目标果实标注框尺寸，将目标果实标注框分配给不同层级的特征图；

根据下采样倍数与收缩系数，得到每层负责预测的目标果实标注框在特征图上的正采样区域，确定特征图上每一个空间位置为正样本或者负样本；

按照正采样点所对应的标注框信息，得到其分类目标与正则化边框偏移目标为特征图上每一个空间位置的训练目标。