[发明专利]一种柑橘颜色转变预测网络训练方法及应用方法

说明书

本发明提供了一种柑橘颜色转变预测网络训练方法及应用方法，包括：获取图像预测训练集，所述图像预测训练集包括柑橘图像集和柑橘语义集；构建包括语义分割模块、图像生成模块和损失优化模块组成的初始柑橘颜色转变预测网络；使用柑橘语义集训练初始语义分割模块；使用柑橘图像集训练初始图像生成模块，并以损失优化模块更新图像生成模块网络参数，优化图像生成模块；根据训练完备的语义分割模块和图像生成模块得到训练完备的柑橘颜色转变预测网络。本发明通过以输入图像、真实图像及其时间间隔映射组成柑橘图像集和在图像生成模块引入嵌入层的设计，训练图像生成模块，以实现根据输入柑橘图像和输入时间间隔共同控制进行柑橘颜色的转变预测。

技术领域

本发明涉及图像预测领域，具体涉及一种柑橘颜色转变预测网络训练方法、应用方法及电子设备。

背景技术

在柑橘的种植收获过程中，采摘柑橘的时机是影响果实质量的重要因素。对于大多数柑橘类植物的生长过程来说，随着成熟度的提高，柑橘表皮的色素比例也会发生改变，果皮就会相应地从绿色转变为其他颜色，如黄色、橙色和红色。因此柑橘的颜色是一个很好地成熟期指示器，通过预测果实颜色变化来安排采收时间可以有效地提高柑橘的果实品质。

目前根据柑橘颜色判断成熟度的方法估计往往是基于深度神经网络对拍摄的柑橘图像的局部颜色计算柑橘颜色指数(CCI)或基于深度神经网络将柑橘图像进行分类：未成熟、半成熟和成熟。但是目前的柑橘颜色判断方法普遍是根据拍摄的柑橘图像对柑橘的当前颜色进行判断，不能预测柑橘生长过程的颜色转变和成熟度情况，只能基于经验判断采收时机，缺乏准确性。

发明内容

有鉴于此，有必要提出一种柑橘颜色转变网络训练方法、应用方法及电子设备，用于解决现有技术中无法预测柑橘颜色转变情况，导致不能准确判断柑橘采收时机的技术问题。

为了解决上述问题，本发明提供了一种柑橘颜色转变预测网络训练方法，包括：

获取图像预测训练集，所述图像预测训练集包括柑橘图像集和柑橘语义集，所述柑橘图像集包括输入图像、真实图像以及所述输入图像和真实图像之间时间间隔映射，所述柑橘语义集包括全部柑橘图像和对应的语义标签；

构建包括语义分割模块、图像生成模块和损失优化模块组成的初始柑橘颜色转变预测网络；

将柑橘语义集作为初始语义分割模块的输入，迭代训练所述语义分割模块得到训练完备的语义分割模块；

将所述输入图像作为语义分割模块的输入得到分割掩码，将所述输入图像、时间间隔映射和分割掩码作为初始图像生成模块的输入得到生成图像，将所述输入图像、生成图像和真实图像作为所述损失优化模块的输入，并结合输入图像的分割掩码和真实图像的语义标签计算得到局部感知损失，根据所述局部感知损失迭代优化更新初始图像生成模块直至损失函数收敛，得到训练完备的图像生成模块；

根据所述训练完备的语义分割模块和所述训练完备的图像生成模块得到训练完备的柑橘颜色转变预测网络。

进一步地，所述获取图像预测训练集，包括：

采集柑橘转变期的柑橘图像样本，并标注序号和采集时间，对柑橘图像样本进行语义标注得到语义标签；

根据所述序号和采集时间对同一柑橘的图像样本中任意两张图像之间构建时间间隔映射，并将时间间隔之前拍摄的图像样本作为输入图像、时间间隔之后的图像样本作为真实图像；

以所述输入图像、真实图像和对应时间间隔映射组成柑橘图像集；

以全部柑橘图像和对应的语义标签组成柑橘语义集。

进一步地，所述语义分割模块用于对输入图像进行语义分割后得到分割掩码以区分柑橘图像和背景图像位置；

所述语义分割模块包括由语义卷积层和最大池化层组成的语义分割编码器、由转置卷积层和上采样层组成的语义分割解码器；