[发明专利]一种基于图像的柑橘果实检测与识别方法及系统

说明书

本发明涉及一种基于图像的柑橘果实检测与识别方法及系统，其方法包括获取柑橘果实的实景拍摄照片并对中心点进行标注，建立数据集；对数据集进行拟合得到柑橘果的果实边界，并生成多尺度空间梯度概率图；构建多尺度空间注意力深度学习网络模型并进行训练；获取目标柑橘实景拍摄照片，并将目标柑橘实景拍摄照片输入至多尺度空间注意力深度学习网络进行检测与识别，得到柑橘果预测点位图。本发明通过对标记后的实景拍摄照片形成的数据集进行拟合，得到柑橘果的果实边界和多尺度空间梯度概率图，构建多尺度空间注意力深度学习网络模型并进行训练，从而实现对目标柑橘实景拍摄照片的识别，得到柑橘果预测点位图，检测方法简单使用、可移植性强。

技术领域

本发明涉及农业智能监测技术领域，尤其涉及一种基于图像的柑橘果实检测与识别方法及系统。

背景技术

目前，柑橘是经济价值极高的树种，在区域经济中具有重要地位。随着经济的发展，柑橘林种植面积逐年扩大，柑橘林产量及人工采摘成本成倍增加。为了进一步提高采摘效率，为农民增收减负，需要更加智能化的采摘流程。近年来，图像技术的成熟为大范围的柑橘果实智能检测和识别提供了条件，因此开展基于图像的大范围柑橘果实智能检测与识别非常有必要。

随着人工智能与计算机视觉技术的快速发展，以深度学习为代表的新型智能算法为赋能智慧化农业生产提供了技术保障。目前主流的语义分割模型算法在复杂场景中的精细分割任务表现良好，同基于检测框的目标检测方法相比，可以借助端对端的训练框架进行快速的训练检测，检测速度和精度有一定提升，其中U-Net是目前植物物种智能检测领域应用潜力较大的一种算法，具有极高的检测精度，然而该方法对目标的精细化程度和背景复杂度均有严格的要求。

现有柑橘林果的检测与计数方法主要是实地人工计数，采取边标记边计数的方式，避免人工计数的重复和遗漏，这种方法虽然计数结果准确率高，但耗时耗力，效率低；

通过上述分析，现有技术存在的问题及缺陷为：

（1）现有柑橘计数方法具有灵活性差、检测速度慢、不适合大范围快速检测。

（2）受到光照变化、生长姿态、遮挡、叠加、相机角度和其他恶劣工作条件的影响，导致识别难度进一步急剧增加。

（3）每个果实的特征（颜色、纹理、形状、大小）差异很大，常规语义分割模型不能提取多尺度空间信息。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于图像的柑橘果实检测与识别方法及系统。

本发明解决上述技术问题的技术方案如下：一种基于图像的柑橘果实检测与识别方法，包括如下步骤：

获取柑橘果实的实景拍摄照片，并对所述实景拍摄照片中果实的中心点进行标注，建立数据集；

基于所述中心点利用区域生长算法对所述数据集进行拟合，得到柑橘果的果实边界，并生成基于果实中心点的多尺度空间梯度概率图；

构建多尺度空间注意力深度学习网络模型，并基于所述多尺度空间梯度概率图对所述多尺度空间注意力深度学习网络模型进行训练；

获取目标柑橘实景拍摄照片，并将所述目标柑橘实景拍摄照片输入至所述多尺度空间注意力深度学习网络进行检测与识别，得到柑橘果预测点位图。

本发明的有益效果是：本发明的基于图像的柑橘果实检测与识别方法，通过对标记后的实景拍摄照片形成的数据集进行拟合，得到柑橘果的果实边界，并得到多尺度空间梯度概率图，构建多尺度空间注意力深度学习网络模型，并基于多尺度空间梯度概率图进行训练，从而实现对目标柑橘实景拍摄照片的识别，得到柑橘果预测点位图，本发明的智能检测方法简单使用、可移植性强，能为大范围柑橘果实检测和识别提供理论参考和科学依据，进而为柑橘果全过程生长周期监测和评估服务。

在上述技术方案的基础上，本发明还可以做如下改进：