[发明专利]一种基于深度学习的竹笋数量与高生长率在线监测方法

权利要求书

1.一种基于深度学习的竹笋数量与高生长率在线监测方法，其特征是按如下步骤进行：

步骤1：定义当前获取的图像帧数为n，并初始化n＝1；

步骤2：获取第n帧包含竹笋的竹林图像；

步骤3：采用已训练好的竹笋深度学习模型对所获取的第n帧竹林图像进行竹笋检测，获得所述第n帧竹林图像中的m_n个竹笋区域检测框以及各竹笋区域检测框的四个顶点的坐标值，其中，竹笋区域检测框的个数m_n表示所检测出的第n帧竹林图像中的竹笋数量；

步骤4：对第n帧竹林图像中的m_n个竹笋区域检测框按照排序原则进行排序；

步骤5：判断n＝1是否成立，若成立，则将排序后的竹笋区域检测框所对应的坐标存入基础数据库；否则，将排序后的竹笋区域检测框所对应的坐标存入临时数据库；

步骤6：判断m_n＝m_n-1是否成立，若成立，则直接执行步骤7；否则，判断m_n-m_n-1＞0是否成立，若成立，则将第n帧竹林图像中所增加的m_n-m_n-1个竹笋区域检测框按照排序原则存入基础数据库中，否则，回到步骤2继续检测；当n＝1时，令m_n＝m_n-1；

步骤7：筛选竹笋；

利用式(1)对所述临时数据库和基础数据库中的竹笋区域检测框的坐标信息进行筛选，若满足式(1)，则表示相应的竹笋检测框图有效，否则，表示相应的竹笋检测框图无效；

式(1)中，x_e和y_e分别表示最大横坐标误差和最大纵坐标误差；x_i1^n-1表示第n-1帧竹林图像中排序后的第i个竹笋区域检测框的左下角顶点的x轴坐标，x_i1ⁿ表示第n帧竹林图像中排序后的第i个竹笋区域检测框的左下角顶点的x轴坐标，y_i1^n-1表示第n-1帧竹林图像中排序后的第i个竹笋区域检测框的左下角顶点的y轴坐标，y_i1ⁿ表示第n帧竹林图像中排序后的第i个竹笋区域检测框的左下角顶点的y轴坐标；i＝[1,m_n]；

步骤8：利用式(2)求得第i个竹笋在第n-1帧竹林图像中的高度p_i^n-1和在第n帧竹林图像中的高度p_iⁿ；

式(2)中，y_i2^n-1表示第n-1帧竹林图像中排序后的第i个竹笋区域检测框的右下角顶点的y轴坐标，y_i2ⁿ表示第n帧竹林图像中排序后的第i个竹笋区域检测框的右下角顶点的y轴坐标，y_i3^n-1表示第n-1帧竹林图像中排序后的第i个竹笋区域检测框的右上角顶点的y轴坐标，y_i3ⁿ表示第n帧竹林图像中排序后的第i个竹笋区域检测框的右上角顶点的y轴坐标；

步骤9：利用式(3)计算第i个竹笋在第n帧竹林图像中高生长率

式(3)中，α_iⁿ表示第i个竹笋在第n帧竹林图像中的高生长率，p_i^n-1表示第i个竹笋在第n-1帧竹林图像中的高度，p_iⁿ表示第i个竹笋在第n帧竹林图像中的高度。

2.根据权利要求1所述的基于深度学习的竹笋数量与高生长率在线监测方法，其特征是，所述步骤4中的排序原则为：

将每个竹笋区域检测框以其左下角顶点的x轴坐标进行升序排序，若x轴坐标相同，则以左下角顶点的y轴坐标进行升序排序，从而得到排序后的竹笋区域检测框。