[发明专利]一种基于图像识别的梨品种识别方法

权利要求书

1.一种基于图像识别的梨品种识别方法，其特征在于，包括：

S1、获取原始梨果实图像，并对所获取的梨果实图像进行数据处理，基于数据处理后的梨果实图像分别构建遮挡样本集、非遮挡样本集；

S2、对步骤S1中得到的遮挡样本集、非遮挡样本集中的梨果实图像分别进行灰度化处理，基于灰度化处理所得到的灰度图像分别进行轮廓提取，基于所提取的轮廓构建遮挡识别数据集；

S3、基于SVM构建遮挡识别模型，并通过所述遮挡识别数据集对所述遮挡识别模型进行训练，得到训练好的遮挡识别模型；

S4、基于卷积神经网络构建梨品种识别模型，并通过步骤S1中所构建的非遮挡样本集对所述梨品种识别模型进行训练，得到训练好的梨品种识别模型；

S5、获取待识别的梨果实图像，通过步骤S2对待识别的梨果实图像进行轮廓提取，并输入步骤S3训练好的遮挡识别模型，识别为非遮挡，则将待识别的梨果实图像输入步骤S4训练好的梨品种识别模型，得到梨品种识别结果，识别为遮挡，则基于滑动窗口以及训练好的梨品种识别模型得到梨品种识别结果。

2.根据权利要求1所述的基于图像识别的梨品种识别方法，其特征在于，所述步骤S1中所获取的原始梨果实图像、以及步骤S5中所获取的所获取的待识别的梨果实图像均为RGB图像。

3.根据权利要求1所述的基于图像识别的梨品种识别方法，其特征在于，所述步骤S1中，图像处理包括如下步骤：

1)对获取的梨果实图像进行标记处理，所标记内容包括梨品种、是否遮挡；

2)对标记处理后的梨果实图像进行数据增强处理；

3)对所获取的梨果实图像进行尺寸归一化处理。

4.根据权利要求1所述的基于图像识别的梨品种识别方法，其特征在于，所述步骤S2中，采用Canny边缘检测算法对灰度图像进行轮廓提取，具体包括：

采用高斯滤波对所述灰度图像进行图像平滑处理，去除噪声；

计算图像的强度梯度，得到候选边缘；

通过非极大值抑制对候选边缘进行细化处理，将候选边缘中多个像素宽的边缘变成单个像素宽的边缘；

采用双阈值的方法对细化处理后的候选边缘进行筛选及填充，得到梨果实图像中梨的边缘提取结果。

5.根据权利要求1所述的基于图像识别的梨品种识别方法，其特征在于，所述步骤S3中，SVM的核函数采用Gauss径向基函数。

6.根据权利要求2所述的基于图像识别的梨品种识别方法，其特征在于，所述步骤S4中，所述卷积神经网络包括依次连接的输入层、若干个卷积块、两个全连接层、Softmax层，两个所述全连接层之间还连接有dropout层。

7.根据权利要求6所述的基于图像识别的梨品种识别方法，其特征在于，每个卷积块包括依次连接的第一卷积层、第二卷积层、非线性激活函数、池化层，第二卷积层与非线性激活函数之间还连接有批归一化层；其中，第一卷积层用于提取梨果实图像的轮廓特征，第二卷积层用于提取梨果实图像的颜色特征。

8.根据权利要求7所述的基于图像识别的梨品种识别方法，其特征在于，所述第一卷积层、第二卷积层后面均连接有局部响应值归一化层，用于进行亮度校正。

9.根据权利要求7所述的基于图像识别的梨品种识别方法，其特征在于，通过反向传播算法对所述梨品种识别模型进行训练，通过训练，完成各个卷积块中第一卷积层、第二卷积层权重的更新。

10.根据权利要求9所述的基于图像识别的梨品种识别方法，其特征在于，所述步骤S5中，基于滑动窗口以及训练好的梨品种识别模型得到梨品种识别结果的方法包括：

首先，设置滑窗大小；

其次，在训练好的梨品种识别模型中，将各个卷积块中第一卷积层的权重设为0；

再次，通过滑窗在待识别的梨果实图像的轮廓所包围的区域上进行滑动，并通过训练好的梨品种识别模型得到滑窗在每个位置处的梨品种识别结果，识别结果中占比最高的梨品种即为待识别的梨果实图像的品种。