[发明专利]一种大尺度水果计数方法及系统

说明书

本发明提供一种大尺度水果计数方法及系统，包括：获取待测果园的果园图像；将果园图像输入至水果计数模型，以确定果园图像中目标水果的数量；其中，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；密度图像标签是根据标记图像生成的；标记图像是通过对样本图像中的目标水果进行标记获取的。本发明提供的大尺度水果计数方法及系统，通过将果园图像输入至利用MCNN网络所构建的水果计数模型，以实现目标水果数量的快速统计，保证了水果产量的准确、快速估测。

技术领域

本发明涉及计算机图像处理技术领域，尤其涉及一种大尺度水果计数方法及系统。

背景技术

水果作为经济作物之一，在我国这个农业大国占有十分重要的地位。随着全球气候变暖，水果产量的稳定性会极大的影响人民的收入水平。为了估测作物的产量，获取区域作物单产及其空间分布信息是非常必要的，一方面可以及时准确的掌握农作物生长状况，进行农作物宏观调控和农作物安全预警，另一方面对农作物贸易流通，以及农业可持续发展具有重要意义。典型的产量估计是基于历史数据以及天气条件，通过人工计数采样进行的，但这种方法非常耗时耗力，估测的结果也不够准确，更不能反映果实在果园中的分布情况，尤其是在具有高度空间变异性的大型果园得到的数据非常不准确。

近年来，为了降低劳动量和提高结果精度，科研人员提出了通过视觉技术监控进行预测果园产量的方法。此方法利用遥感技术获取水果的遥感影像数据，通过视觉技术对水果进行计数，结合单颗水果重量的统计数据，构建水果产量模型，以尽量准确地识别树上果实。

由于估产没必要识别出每个水果的位置，只需要得到总数即可，故现有的基于深度学习的识别或者检测模型方法计算量大，存在过于耗时的问题。

发明内容

针对上述现有技术存在时效性和精度不足的问题，本发明实施例提供一种大尺度水果计数方法及系统。

本发明提供一种大尺度水果计数方法，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。

根据本发明提供的一种大尺度水果计数方法，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。

根据本发明提供的一种大尺度水果计数方法，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。

根据本发明提供的一种大尺度水果计数方法，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；