[发明专利]一种果园水果识别与产量统计系统和方法

说明书

本发明提出一种果园水果识别与产量统计系统，包括：果实检测模块，其接收经过了分帧处理的果实视频数据，并提取果实图像的颜色纹理特征和语义特征，定位图像中每个果实的坐标位置；果实多目标跟踪模块，其对每帧图像的果实目标进行跟踪；特定区域计数模块，其在视频序列中划定果树计数区域，累计截止当前视频序列的果实数量。本发明还提出一种果园水果识别与产量统计方法，包括：S10：读取果实视频数据；S20：果实检测与定位；S30：果实多目标跟踪；S40：计算特定区域果实数量；S50：统计果实数量。本发明解决了全局视频序列中存在的复杂遮挡所导致的跟踪目标丢失问题。

技术领域

本发明属于目标识别技术及智慧农业技术领域，具体涉及一种果园水果识别与产量统计系统和方法。

背景技术

随着计算机视觉和智慧农业的快速发展，果实检测技术已成为研究热点，该技术对于实现果实产量统计、果实自动采摘及果园自动化管理具有重要现实意义，其中果实产量统计对于果实收获作业计划和市场营销策略起着至关重要的作用。收获果实之前准确地统计果园产量，在现阶段，有助于管理者根据园区果实分布情况合理地分配劳动力，在未来，有助于部署采摘机器人工作策略，使其高效地完成采摘任务，实现果园智能化生产。

近年来，深度学习技术逐渐取代了传统的计算机视觉技术，成为果实计数任务的主流方法，许多学者开展了广泛研究。基于视觉的果实计数存在两个关键问题：果实检测精度问题和相同果实的重复计数问题。

为了提高果实检测精度，现有技术有基于更快的基于区域的卷积神经网络(Faster-RCNN)，采用Resnet-101和深度学习的方法，大尺度的蔬果得分置信度较高，比较容易检测到，而小尺度的置信度得分较低，非常容易被漏检。为了避免同一水果的重复计数，一些研究者提出了基于静态图像和视频序列的解决方案。基于视频序列的计数方法能够从多个视角采集果实图像，从而使更多的水果的观察到，被认为是一种有效的果实计数方法。然而在采集的实际果园场景图像中，果实往往呈现尺度小、分辨率低等特点，导致难以提取其有效特征准确检测到图像中每个果实，上述研究虽然有效提升了果实检测精度，但是并没有针对同时出现小尺度目标进行分析。

发明内容

本发明针对以上问题，提出了标准果园下的水果识别与产量统计系统和方法。

本发明提出一种果园水果识别与产量统计系统，包括：果实检测模块，其接收经过了分帧处理的果实视频数据，并提取果实图像的颜色纹理特征和语义特征，定位图像中每个果实的坐标位置；果实多目标跟踪模块，其读取每帧图像的果实目标位置并进行跟踪；特定区域计数模块，其在视频序列中划定果树计数区域，累计截止当前视频序列的果实数量。

本发明还提出一种果园水果识别与产量统计方法，包括：S10：读取果实视频数据；S20：果实检测与定位；S30：果实多目标跟踪；S40：计算特定区域果实数量；S50：统计果实数量。

本发明基于视频序列的计数方法能够从多个视角采集果实图像，观测到更多的果实，为准确统计果实数量提供基础保障，是一种有效的果实计数方案。而且在实际果园中，柑橘果实生长密集、树叶茂密，容易相互遮挡或被树叶遮挡，从不同视角采集果实图像时，柑橘果实的遮挡状态会有较大差异，本发明解决了全局视频序列中存在的复杂遮挡所导致的跟踪目标丢失问题。

附图说明

图1本发明系统的结构原理图。

图2本发明方法的实施例的流程图。

图3本发明方法的一个实施例的流程图。

图4本发明方法的一个实施例的果实多目标跟踪计数流程图。

图5本发明方法的一个实施例的特定计数区域示意图。

具体实施方式

为了能够更加清楚的说明本发明的方法流程，下面结合具体实施例进行进一步描述，所说明的实施例仅用于说明本发明的技术方案，实施例设置的参数数值并非限定本发明。