[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

说明书

本公开提出了一种同色系背景下目标果实检测方法及检测系统，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。融合了深度卷积网络及金字塔网络进行特征图的提取，以单阶段、全卷积的方式进行预测，在精度与速度两个方面均能高效识别果实，且同色系背景环境下鲁棒性强，满足实际作业的需求。

技术领域

本公开涉及智慧农业相关技术领域，具体的说，是涉及一种同色系背景下目标果实检测方法及检测系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

在传统果蔬产业的整个生产周期中，目前各阶段仍以人工作业为主，存在耗时费力、成本高、效率低等问题，因此，复杂果园环境下的生产自动化为该产业发展的必然趋势，一般是通过检测果实的实际情况确定药肥变量喷施的时机、产量预估以及智能采摘的时间，因此果实目标的精准快速检测，具有重要意义。

发明人发现，真实果园环境下目标果实的识别，通常伴随枝干遮挡、果实重叠、光照变化等干扰，对绿色果实而言，更是由于其与叶片背景颜色极为相近的原因，容易造成叶片与绿色果实的相互混检，使得果实识别难度急剧攀升，影响了果园管理的智能化进程。

目前，该领域已积累了一定的研究基础，大多沿用机器学习与深度学习两个方向。其中，基于机器学习的识别方法通常伴随预处理、特征选择等操作，不能实现端到端的检测流程，且识别效果容易受到自然环境下各种干扰的影响。基于深度学习的识别方法，虽然在精度上有了显著提升，且能够实现端到端的检测流程，但由于卷积等操作以及模型对锚框的依赖，导致其需要耗费大量的计算与存储资源，识别速度尚达不到实时性要求。

发明内容

本公开为了解决上述问题，提出了一种同色系背景下目标果实检测方法及检测系统，可满足智能采摘、药肥变量喷施、产量预估等智能化农业应用的检测要求，能够同时提高检测速度和精度。

为了实现上述目的，本公开采用如下技术方案：

一个或多个实施例提供了一种同色系背景下目标果实检测方法，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。

一个或多个实施例提供了一种同色系背景下目标果实检测系统，包括：

图像获取模块：被配置为用于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；

特征图提取及融合模块：被配置为用于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；

预测模块：被配置为用于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。

一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。

一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法所述的步骤。

与现有技术相比，本公开的有益效果为：