[发明专利]一种果树作物的产量评估方法

权利要求书

1.一种果树作物的产量评估方法，其特征在于，所述评估方法为：建立果实尺寸识别系统，录入大量拍摄的果实照片，利用深度学习算法结合果实照片和照片像素点进行训练学习，根据不同尺寸的果实匹配其对应的像素点，实现果实尺寸的智能判定，利用机器视觉处理平台对采集到的实际果实照片进行识别，判断果实尺寸，分析果树作物产量情况。

2.如权利要求1所述的一种果树作物的产量评估方法，其特征在于，所述果实尺寸识别系统包括：深度学习训练用数据集和深度学习算法训练模块，所述深度学习训练用数据集导入用于深度学习训练的果实照片，并生成算法模块训练所需的格式化数据集，所述深度学习算法训练模块将果实照片中果实面积的像素点与实际测量的果实尺寸值进行匹配训练，针对不同果实照片的像素点判断果实的尺寸。

3.如权利要求1所述的一种果树作物的产量评估方法，其特征在于，所述机器视觉处理平台全方位采集视觉传感器中果实的RGB图像，对采集的图像进行图像分割，然后划分出果实感兴趣区域，提取果实轮廓，根据所提取的果实轮廓，使用形状不变特征提取形状特征向量，克服果实大小、位置和朝向各异的问题。

4.如权利要求3所述的一种果树作物的产量评估方法，其特征在于，所述机器视觉处理平台利用采集的不同形状农产品样本图像和提取的特征向量，训练支持向量机，确定支持向量机最优参数和检测正确率。

5.如权利要求3所述的一种果树作物的产量评估方法，其特征在于，所述机器视觉检测平台是由视觉传感器、光照系统、CCD摄像机、图像采集卡、计算机及控制机构组成，所述CCD摄像机的帧速120fps、分辨率656*492、型号MER030-120UM，所述图像采集卡与所述控制机构均是电连接在所述计算机上，所述CCD摄像机是电连接在所述图像采集卡上，所述视觉传感器位于所述CCD摄像机下方，所述光照系统提供充足的光照，利用所述机器视觉检测平台采集果实图像过程中，每次可以拍摄一个或多个果实照片。

6.如权利要求3所述的一种果树作物的产量评估方法，其特征在于，所述图像分割过程包括选择合适的颜色模型、阈值分割、形态学闭运算、边缘提取和轮廓提取；所述颜色模型采用具有显著波峰波谷形态的2R-G-B图像，所述阈值分割是指用固定阈值T分割2R-GB图像，得到农产品果实感兴趣区域，该区域通常会受花萼遮挡影响而被分割；所述形态学闭运算采用5*5方形结构元素填充果实感兴趣区域的细小孔洞，所述边缘提取是指用Canny算子提取果实感兴趣区域边缘；所述轮廓提取是指用凸包算法求解包含农产品果实边缘并且顶点属于果实边缘的最小凸多边形，以该凸多边形来近似农产品形状，克服农产品果实被花尊遮挡造成的分割问题。

7.如权利要求3所述的一种果树作物的产量评估方法，其特征在于，所述形状不变特征提取算子指Hu不变矩和椭圆傅里叶描述子，所述Hu不变矩形将7个几何矩形作为形状特征向量，所述椭圆傅里叶描述子将图像轮廓的傅里叶展开式的前20个系数组合作为农产品形状特征向量。

8.如权利要求3所述的一种果树作物的产量评估方法，其特征在于，所述支持向量机是一种模式分类算法，其训练过程包括：获取不同形状农产品样本特征向量；线性缩放特征向量每个属性值到区间[-1，1]；选用RBF核函数；采用网格搜索法设定支持向量机两个未知参数，即惩罚因子C和函数参数r的变化范围，运用K交叉验证求不同参数组合条件下的分类正确率，选用预测正确率最高的组合参数作为支持向量机的最优参数；利用80％样本特征向量训练最优参数条件下的支持向量机，利用20％样本特征向量验证支持向量机，确定分类正确率。

9.如权利要求1所述的一种果树作物的产量评估方法，其特征在于，所述机器视觉处理平台采集的果实照片录入果实尺寸识别系统，根据照片的像素点判断果实尺寸，结合果树的种植密度预测果树产量。