[发明专利]一种基于SSD卷积网络的大豆植株茎荚识别方法

摘要

本发明提供一种基于SSD卷积网络的大豆植株茎荚识别方法，包括以下步骤：采集单株大豆样本图像，得到大豆植株图像库；对茎荚进行手工标注，豆荚标注未被遮挡的豆荚尖部，茎秆标注茎秆裸露部分，并将图像库无重复的分为训练集、验证集、测试集；对已标注的训练集图像进行随机图像增强和数据扩增，并自动重新标注新增图像；构造SSD卷积网络，用不同层次的特征图，进行多尺度检测；将所述训练集随机抽取用于SSD卷积神经网络的训练，并确定所述SSD卷积神经网络中的学习参数；将测试集输送到训练好的SSD卷积神经网络中进行识别测试，并将识别结果标记在所述测试样本中的原始图像中。提供一种基于SSD卷积网络的大豆植株茎荚识别方法，通过网络训练对大豆植株茎荚进行智能化的识别，自动化程度高，有效地提高了对大豆植株茎荚检测的效率。

主权项

1.一种基于SSD的卷积网络的大豆植株茎荚识别方法，其特征在于，包括以下步骤：S1.通过佳能5D Mark II相机固定于距离蓝色背景布120cm的位置进行单株大豆样本图像采集，得到大豆植株图像库；S2.遍历步骤S1中所述图像库中所有的样本图像，对每张样本图像进行豆荚、茎秆的手工标注，将未被遮挡的豆荚尖部标注为豆荚类，茎秆裸露部分标注茎秆类，获得原始图像库，并将图像库无重复的分为训练集、验证集、测试集；S3.针对步骤S2中所述的已标注的训练集图像进行随机图像增强和数据扩增。采用自适应直方图均衡化进行图像增强；采用在一定阈值内RGB颜色通道的随机调整及水平、垂直镜像翻转和随机旋转、平移操作进行数据扩增，并对旋转、平移后的图像进行居中截取，经处理后的图像如果目标超出边界则丢弃标注，得到增强扩增训练集；S4.构造SSD卷积网络，用不同层次的特征图，进行多尺度检测；S5.将步骤S2、S3中训练样本输送到SSD卷积神经网络进行预训练并迭代预训练得到预训练后模型，同时确定所述SSD卷积神经网络中的学习参数；S6.将所述测试集输送到训练好的所述SSD卷积神经网络中进行识别测试，并将识别结果中置信度大于40％的分类结果作为测试样本的输出识别结果。