[发明专利]针对果粒边缘的葡萄果粒分割方法

权利要求书

1.一种针对果粒边缘的葡萄果粒分割方法，其特征在于包括下列步骤：

①采集实验室人工背景葡萄图像和自然场景葡萄图像，采集的葡萄品种为一种或多种，采集图像完成后，对图像进行数据增强和数据标注：

②建立基于深度学习的葡萄果粒分割模型，将取得的标注数据输入深度学习模型进行训练；

③输出葡萄果粒边缘区域分割结果。

2.按权利要求1所述的一种针对果粒边缘的葡萄果粒分割方法，其特征在于所述的步骤①：

A、数据增强

为了获得更多的数据，对现有数据集进行微小的改变，具体按以下方法：

a、水平翻转：对图片进行水平和垂直翻转，考虑到葡萄果穗在较低的部分果粒分布较少，因此只采用水平翻转来保持这一特征；

b、旋转：旋转方式为左右5°以内微小角度旋转；

c、高斯模糊：采用高斯核进行模糊处理；

B、数据标注

对葡萄图像进行标注，图像标注工具labelme用于实例分割标注以生成标签文件，为区分葡萄的单颗果粒区域信息，使用“多边形”标签，该标签包含果粒区域信息和类别名称；手动勾选每颗果粒轮廓并设定独立的类别名称，以“berry+数字”格式命名；labelme自动为每个果粒区域生成不同颜色，未标注区域默认为背景；标注后的信息以json文件格式保存，json文件最终转换为掩码图像用于模型训练标签，每张原始图像对应一张掩码图像，掩码图像中每个果粒区域用不同的颜色区分不同的实例对象，未标注部分作为背景且像素值全部置为0。

3.按权利要求1所述的一种针对果粒边缘的葡萄果粒分割方法，其特征在于所述的步骤②：

建立基于深度学习的葡萄果粒分割模型，将取得的一个或多个品种的葡萄图像的标注数据输入深度学习模型进行训练，基于任意品种葡萄特征的相似性，训练得到的模型应用于任意葡萄品种，即模型输出任意葡萄果粒边缘二值化分割结果；

葡萄图像果粒分割模型框架是：

输入数据(501)、编码器(502)、解码器(503)和分割结果(504)依次交互；

输入数据(501)包括原始图像(5011)和标签图像(5012)；

编码器(502)包括编码多层感知机(5021)、编码卷积神经网络(5022)和编码深度自注意力网络(5023)；

解码器(503)包括解码多层感知机(5021)、解码卷积神经网络(5022)和解码深度自注意力网络(5023)；

建立基于深度学习的葡萄图像果粒分割模型，首先将取得的输入数据(501)输入深度学习模型进行训练；又经过编码器(502)和解码器(503)；再得到分割结果(504)。