[发明专利]果树芽体的识别方法及装置

说明书

本发明公开了一种果树芽体的识别方法及装置。其中，该方法包括：获取果树芽体的图像数据；将所述图像数据中的芽体坐标和芽体类别进行标注；根据所述图像数据以及所述芽体坐标，构建芽体目标检测模型；根据剪裁后的所述图像数据以及所述芽体类别，构建芽体类别识别模型；根据所述芽体目标检测模型以及所述芽体类别识别模型，对果树芽体图像进行识别。本发明解决了目前的现有技术仅能对区别较大的农产品品种或单一植物器官进行识别，而无法对果树上花芽和叶芽进行自动分类识别的技术问题。

技术领域

本发明涉及计算机视觉、数字图像处理和机器学习领域，具体而言，涉及一种果树芽体的识别方法及装置。

背景技术

苹果树花芽和叶芽的比例是确定果树适宜果实负载量的重要依据，直接影响着果树的产量和质量。准确地识别苹果树的花芽和叶芽，对指导果树修剪、合理调整树体负荷、克服大小年现象，保证果树丰产优质极为重要。然而，由于苹果树花芽和叶芽的形态极为相似，很多果农在果树修剪时难以分清，而花芽枝和叶芽枝的修剪手法区别较大，如果分辨不清花芽和叶芽，就有可能发生误剪的情况，这不但影响当年果品的产量和品质，而且关系到果树后续花芽分化的数量和质量。因此，正确识别花芽和叶芽显得尤为重要。

机器视觉技术是高效且低成本进行农业对象识别的重要手段，可以实现农业生产中待作业目标的精准识别，对农产品芽的已有研究多是利用传统图像处理的方法从图像中分割出大蒜、大姜、甘蔗等农产品的芽，随着深度学习技术的出现，使得识别的精度有了大幅改善。一些研究结合机器视觉和深度学习技术实现了果蔬的器官分类识别、花卉花型和品种的识别、甘蔗蔗芽检测、大蒜鳞芽朝向的识别和果蔬病虫害种类的识别等。上述研究主要是对农作物或农产品芽的单纯检测，或是对区别较大的品类进行识别。没有针对农业图像中小目标的检测和同类农作物体器官的细分类识别。目前的现有技术仅能对区别较大的农产品品种或单一植物器官进行识别，而无法对果树上花芽和叶芽进行自动分类识别。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种果树芽体的识别方法及装置，以至少解决目前仅能对区别较大的农产品品种或单一植物器官进行识别，而无法对果树上花芽和叶芽进行自动分类识别的技术问题。

根据本发明实施例的一个方面，提供了一种果树芽体的识别方法，包括：获取果树芽体的图像数据；将所述图像数据中的芽体坐标和芽体类别进行标注；根据所述图像数据以及所述芽体坐标，构建芽体目标检测模型；根据剪裁后的所述图像数据以及所述芽体类别，构建芽体类别识别模型；根据所述芽体目标检测模型以及所述芽体类别识别模型，对果树芽体图像进行识别。

可选的，所述将所述图像数据中的芽体坐标和芽体类别进行标注包括：在所述图像数据中框选出果树芽体；将所述果树芽体的坐标进行标注，得到所述芽体坐标；将所述果树芽体的类别进行标注，得到所述芽体类别。

可选的，所述根据所述图像数据以及所述芽体坐标，构建芽体目标检测模型包括：将所述图像数据和所述芽体坐标作为深度卷积神经网络的输入标签进行输入；通过所述深度卷积神经网络，生成所述芽体目标检测模型。

可选的，所述根据剪裁后的所述图像数据以及所述芽体类别，构建芽体类别识别模型包括：将剪裁后的所述图像数据和所述芽体类别作为深度卷积神经网络的输入标签进行输入；通过所述深度卷积神经网络，生成所述芽体类别识别模型。

可选的，所述剪裁后的所述图像数据指的是根据所述芽体坐标对所述图像数据进行果树芽体坐标标注框内的图像的剪裁。

可选的，所述根据所述芽体目标检测模型以及所述芽体类别识别模型，对果树芽体图像进行识别包括：获取所述果树芽体图像；将所述果树芽体图像输入所述芽体目标检测模型，得到果树芽体坐标；将所述果树芽体图像输入所述芽体类别识别模型，得到果树芽体类别。