[发明专利]一种大尺度水果计数方法及系统

权利要求书

1.一种大尺度水果计数方法，其特征在于，包括：

获取待测果园的果园图像；

将所述果园图像输入至水果计数模型，以确定所述果园图像中目标水果的数量；

其中，所述水果计数模型是根据带有密度图像标签的样本图像，对多列卷积神经网络进行训练后获得的；

所述密度图像标签是根据标记图像生成的；

所述标记图像是通过对所述样本图像中的目标水果进行标记获取的。

2.根据权利要求1所述的大尺度水果计数方法，其特征在于，所述多列卷积神经网络为三列卷积神经网络，包括第一列卷积单元，第二列卷积单元和第三列卷积单元；

其中，第一列卷积单元的卷积核大于第二列卷积单元的卷积核，第二列卷积单元的卷积核大于第三列卷积单元的卷积核。

3.根据权利要求1所述的大尺度水果计数方法，其特征在于，在将所述果园图像输入至水果计数模型之前，还包括：

获取多张样本图像；所述样本图像为包括所述目标水果的图像；

对任一样本图像中的所有目标水果进行打点标记处理，获取与所述任一样本图像对应的标记图像；

基于标签密度图像生成方法，根据任一标记图像，生成密度图像标签；

将每个样本图像和每个样本图像对应的密度图像标签组合，作为一个训练样本，构建训练样本集，利用所述训练样本集对所述多列卷积神经网络进行训练。

4.根据权利要求2所述的大尺度水果计数方法，其特征在于，所述第一列卷积单元包括4个依次连接的卷积层，所述第一列卷积单元中卷积层的卷积核尺度依次为9×9，7×7，7×7，7×7；

所述第二列卷积单元包括4个依次连接的卷积层，所述第二列卷积单元中卷积层的卷积核尺度依次为7×7，5×5，5×5，5×5；

所述第三列卷积单元包括4个依次连接的卷积层，所述第三列卷积单元中卷积层的卷积核尺度依次为5×5，3×3，3×3，3×3。

5.根据权利要求3所述的大尺度水果计数方法，其特征在于，基于标签密度图像生成方法，根据所述标记图像生成密度图像标签，

其中，x为任一样本图像，连续密度函数F(x)为任一样本图像x的所述密度图像标签，H(x)为任一样本图像x的标记图像，G为高斯核，σ为高斯核标准差；

N的为任一样本图像x中所述目标水果的数量，在x_i位置处的目标水果表示为δ(x-x_i)，x_i为样本图像x中第i个目标水果中心坐标位置；

β为预设值，为样本图像x中第i个目标水果距离其k个近邻目标水果的欧氏距离和的平均值；k为近邻目标水果的个数，i为样本图像x中第i个所述目标水果，j取值范围为1到k，为样本图像x中第i个所述目标水果和第j个近邻目标水果的欧氏距离。

6.根据权利要求1所述的大尺度水果计数方法，其特征在于，获取待测果园的果园图像，包括：

获取待测果园的初始图像；

对所述初始图像进行尺寸归一化处理，获取所述果园图像。

7.一种大尺度水果计数系统，其特征在于，包括：

图像获取单元，用于获取待测果园的果园图像；

计数单元，用于将所述果园图像输入至水果计数模型，以确定所述果园图像中目标水果的数量；

其中，所述水果计数模型是根据带有密度图像标签的样本图像，对多列卷积神经网络进行训练后获得的；

所述密度图像标签是根据标记图像生成的；

所述标记图像是通过对所述样本图像中的目标水果进行标记获取的。

8.根据权利要求7所述的大尺度水果计数系统，其特征在于，还包括：

归一化单元，用于对待测果园的初始图像进行尺寸归一化处理，以获取所述果园图像。