[发明专利]一种基于深度神经网络建模的作物图像分割系统及方法

摘要

本发明公开了一种基于深度神经网络建模的作为图像分割系统，该系统包括：图像采集模块；像素分类模块，用于通过人工在所述作物图像中以点选方式手动获得两类像素：作物像素和背景像素，即分别对应类别标签正样本和负样本，选取同等数量的所述正样本和负样本作为深度卷积神经网络的训练样本；颜色空间转换模块，用于将所述训练样本由RGB颜色空间转换为标准化的rgb和Lab颜色空间，并将样本的Lab颜色值按ICC规范将其转换为无符号8bit整数形式，形成所述训练样本的颜色特征；神经网络训练模块；模型测试模块。本发明具有较高的作物图像分割处理速度及分割的精确性，且能够较好的适应户外复杂多变的光照环境，可在作物生长观测中对作物进行有效分割提取。

主权项

1.一种基于深度神经网络建模的作物图像分割系统，其特征在于，该系统包括：图像采集模块，用于采用数字相机和图像采集卡进行作物图像的采集，所述数字相机设置为全自动模式使其根据不同的户外光照条件自动调节光圈和快门时间，每天固定时刻将自动采集的作物图像通过网络模块及数据通信天线无线传送到远程服务器；像素分类模块，用于通过人工在所述作物图像中以点选方式手动获得两类像素：作物像素和背景像素，即分别对应类别标签正样本和负样本，选取同等数量的所述正样本和负样本作为深度卷积神经网络的训练样本；颜色空间转换模块，用于将所述训练样本由RGB颜色空间转换为标准化的rgb和Lab颜色空间，并将样本的Lab颜色值按ICC规范将其转换为无符号8bit整数形式，形成所述训练样本的颜色特征；神经网络训练模块，用于将所述训练样本的颜色特征作为神经网络的输入，训练样本的类别标签为神经网络的输出，所述神经网络采用基于学习率α递减策略的5层神经网络来实现作物颜色的建模，迭代训练收敛后得到最优权重参数和偏置参数；模型测试模块，用于将训练得到所述5层神经网络结构和学习率递减策略的模型，对不同光照条件下的原始作物图像进行分割测试。