[发明专利]果树花量智能视觉识别方法、装置、系统及存储介质

说明书

本发明公开了一种果树花量智能视觉识别方法、装置、系统及存储介质，所述方法包括：获取多张果树花图像；对每张果树花图像进行去噪和标准化处理；利用训练好的深度卷积神经网络提取处理后的果树花图像中的果树花叶特征图；根据果树花叶特征图，生成果树花叶预测图，从而获得果树花叶分割图；根据果树花叶分割图，统计属于花的像素数以及属于叶子的像素数；根据花的像素数以及叶子的像素数，计算花的密度；将每张果树花图像中花的密度转换为模拟量。本发明可以为疏花设备提供视觉支持，辅助果农花期管理。

技术领域

本发明涉及一种果树花量智能视觉识别方法、装置、系统及存储介质，属于农业设备技术领域。

背景技术

随着人工智能的发展，机器视觉技术在农业上的应用越来越重要，为智能作业提供视觉支持。果树果实的产量和质量受其花期开花量影响，果农需要在花期期间观察花量，根据观察结果进行疏花。对于规模化的果园，人工观察和疏花效率低、人工成本大。而目前机器人视觉系统多应用于果实检测和采摘(中国专利申请号为201711015161.8，名称为草莓采摘机器人的视觉系统的发明专利申请)，缺少用于果树花期管理的视觉系统。

发明内容

有鉴于此，本发明提供了一种果树花量智能视觉识别方法、装置、系统及存储介质，其可以为疏花设备提供视觉支持，辅助果农花期管理。

本发明的第一个目的在于提供一种果树花量智能视觉识别方法。

本发明的第二个目的在于提供一种果树花量智能视觉识别装置。

本发明的第三个目的在于提供一种果树花量智能视觉识别系统。

本发明的第四个目的在于提供一种计算机可读存储介质。

本发明的第一个目的可以通过采取如下技术方案达到：

一种果树花量智能视觉识别方法，所述方法包括：

获取多张果树花图像；

对每张果树花图像进行去噪和标准化处理；

利用训练好的深度卷积神经网络提取处理后的果树花图像中的果树花叶特征图；

根据果树花叶特征图，生成果树花叶预测图，从而获得果树花叶分割图；

根据果树花叶分割图，统计属于花的像素数以及属于叶子的像素数；

根据花的像素数以及叶子的像素数，计算花的密度；

将每张果树花图像中花的密度转换为模拟量。

进一步的，所述深度卷积神经网络包括主干网络和金字塔结构，所述主干网络包括过渡特征提取部分和主干特征提取部分，所述过渡特征提取部分、主干特征提取部分和金字塔结构依次相连；

所述过渡特征提取部分包括依次相连的第一个卷积层、第二个卷积层和第三个卷积层，所述第一卷积层、第二卷积层和第三卷积层均为3×3卷积核的卷积层；

所述主干特征提取部分包括四个依次相连的阶段，四个阶段分别为第1阶段、第2阶段、第3阶段和第4阶段，第1阶段到第4阶段分别有6、8、12和6个卷积块，每两个连续的卷积块组成残差模块，每个残差模块线性融合两个卷积块的输出特征和输入特征的恒等映射后作为后续卷积块的输入；相同阶段中卷积块的输出特征数量与阶段最初输入的相同，跨阶段的特征数量不同，使用1×1卷积核的卷积层调整特征数量，每次卷积完成经过激活函数和归一化层处理；每个卷积块中，使用3×3卷积核处理特征，每次卷积完成经过激活函数和归一化层处理。

进一步的，所述第3阶段和第4阶段的卷积块中加入空洞卷积结构，每两个相邻的阶段之间加入注意力模块。

进一步的，所述对果树花图像进行去噪和标准化处理，具体包括：