[发明专利]粮食籽粒标注方法及设备、存储介质

说明书

本发明公开了一种粮食籽粒标注方法及设备、存储介质，所述方法包括：获取待标注图像，其中，待标注图像中的籽粒粘连处标记有分割点；对待标注图像进行二值化处理，得到二值化图像；对二值化图像进行边缘检测，得到第一边缘轮廓；获取待标注图像中分割点的分割点坐标，并根据分割点坐标得到二值化图像中的分割曲线；根据第一边缘轮廓和分割曲线，确定二值化图像中籽粒的目标轮廓并标注。由此，该方法能够能够在提高数据标注效率，降低数据标注成本的同时，获得精准的粮食籽粒轮廓。

技术领域

本发明涉及粮食产品标注技术领域，尤其涉及一种粮食籽粒标注方法、一种计算机可读存储介质和一种粮食籽粒标注设备。

背景技术

在粮食产品领域，粮食籽粒的形状是分析粮食籽粒内外品质的重要依据之一，经常根据小麦、大米等籽粒的形状进行分类、计数和等级评价。例如，可以通过大米的长度，进行完整米粒和碎米粒的分类等。基于图像的粮食籽粒的形状测量，是利用分割图测量粮食籽粒的长、宽、面积、周长等参数，将粮食籽粒分割出来。但粮食籽粒通常具有尺寸小、随机散落、形状不规则及边缘特征模糊等特点，同时粮食籽粒本身也具有粘连情况，因此，使用一般的分割算法得到的分割的二值化图像具有比较严重的粘连现象。

相关技术中，主要是通过以下两种方法进行粮食籽粒的形状标注。一种是阈值分割方法，主要是依据粮食籽粒和背景的颜色差异进行阈值分割。然而，阈值分割方法对于籽粒之间粘连、堆叠等情况，分割效果不好。并且，粮食籽粒的形状的判定对轮廓的精度要求非常高，阈值分割算法达不到对粘连籽粒精准的分割。因此，对于粘连籽粒的分割，传统的阈值分割算法适用于分割粘连程度低，边缘轮廓简单且对分割轮廓精度要求不高的任务。另一种是基于深度学习的语义分割方法，其可以快速的将粘连籽粒精准的分割出来。其需要对谷粒进行像素级别的标注，使用标注的数据对语义分割网络进行训练。

目前，主要标注方式是通过在单颗籽粒边界绘制多边形，依据多边形轮廓将单颗籽粒目标完全分割出来，但此类形状标注方法耗时费力、标注成本高、效率慢。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种粮食籽粒标注方法，能够在提高数据标注效率，降低数据标注成本的同时，获得精准的粮食籽粒轮廓。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种粮食籽粒标注设备。

为达到上述目的，本发明第一方面实施例提出了一种粮食籽粒标注方法，包括：获取待标注图像，其中，所述待标注图像中的籽粒粘连处标记有分割点；对所述待标注图像进行二值化处理，得到二值化图像；对所述二值化图像进行边缘检测，得到第一边缘轮廓；获取所述待标注图像中分割点的分割点坐标，并根据所述分割点坐标得到所述二值化图像中的分割曲线；根据所述第一边缘轮廓和所述分割曲线，确定所述二值化图像中籽粒的目标轮廓。

进一步地，所述根据所述分割点坐标得到所述二值化图像中的分割曲线，包括：根据所述分割点坐标确定所述待标注图像中所有籽粒粘连处的位置；针对每一粘连处，确定该粘连处的粘连凹点，并得到粘连凹点坐标；根据所述粘连凹点坐标和对应的分割点坐标，利用贝赛尔曲线算法得到所述分割曲线。

进一步地，所述根据所述分割点坐标确定所述待标注图像中所有籽粒粘连处的位置，包括：根据x坐标对所述分割点坐标进行大小排序；选择x坐标最小的分割点的x坐标分别与其它分割点的x坐标做差，得到多个第一差值；确定小于第一预设值的第一差值对应的分割点与所述x坐标最小的分割点为同一粘连处的分割点；判断是否还存在剩余分割点；如果存在，则从剩余分割点中选择x坐标最小的分割点坐标分别与其它分割点坐标做差，得到多个第二差值；确定小于所述第一预设值的第二差值对应的分割点与从剩余的分割点中选择的x坐标最小的分割点为同一粘连处的分割点，返回至所述判断是否还存在剩余分割点的步骤。