[发明专利]谷物密度估计方法、存储介质及谷物密度估计设备

说明书

本发明公开了一种谷物密度估计方法、存储介质及谷物密度估计设备，方法包括：获取待估计谷物图像，并对其中的一种或多种谷物籽粒进行标注，得到M组N个不同尺度的标注框；利用预先训练好的特征提取模块对待估计谷物图像进行特征提取，得到多个特征图；利用预先训练好的多尺度特征相关性计算模块通过ROI Align操作将N个标注框分别映射到各特征图上，得到各特征图的M组估计样本特征，并对各特征图与相应的估计样本特征进行特征相关性计算，得到多组密度图；利用预先训练好的特征融合模块对多组密度图进行融合处理，得到待估计谷物图像中与所标注谷物籽粒同类别的谷物籽粒数。由此，可以实现任意谷物的密度估计，提高准确性，提升效率。

技术领域

本发明涉及谷物密度估计技术领域，尤其涉及一种谷物密度估计方法、一种计算机可读存储介质和一种谷物密度估计设备。

背景技术

谷物作为国家重要的粮食贮备资源，广泛用于粮食生产、饲料制作领域，有着极其重要的地位。提高谷物产量与质量的前提是培育出优质的谷物品种，这一过程对谷物密度估计必不可少。人工估计费时费力，并且谷物种类繁多，大籽粒谷物人工估计相对简单，而小籽粒谷物人眼受视觉疲劳限制等因素，人工估计困难。

人工智能与图像处理技术的加入解决了人工效率不足的问题，基于这些技术的目标估计方法可分为以下两种：基于目标检测的密度估计方法和基于回归的密度估计方法。其中，基于目标检测的密度估计方法将估计任务转化为目标检测任务，针对需要估计的类别构建数据集，最后在数据上建立检测模型，测试阶段输出的检测框数量等于最终的估计结果；基于回归的密度估计方法将输入图片映射为密度分布特征图，相对基于目标检测的密度估计方法而言能够得到细粒度的估计结果。然而，这两种方法都存在着需要大量人力与时间收集、标注数据，训练好的模型也只能针对固定类别，无法从一个谷物迁移到另一个谷物的估计任务中的问题。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种谷物密度估计方法，可以实现任意谷物的密度估计，能够提高估计准确性，提升效率。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种谷物密度估计设备。

为达到上述目的，本发明第一方面实施例提出了一种谷物密度估计方法，包括以下步骤：获取待估计谷物图像，并对所述待估计谷物图像中的一种或多种谷物籽粒进行标注，得到M组N个不同尺度的标注框，其中，N=（k+1）*M，M为大于等于3的整数，k为大于等于2的整数；利用预先训练好的特征提取模块对所述待估计谷物图像进行特征提取，得到多个特征图；利用预先训练好的多尺度特征相关性计算模块通过ROI Align操作将N个标注框分别映射到各所述特征图上，得到各所述特征图的M组估计样本特征，并对各所述特征图与相应的估计样本特征进行特征相关性计算，得到多组密度图，其中，每组密度图的数量为M；利用预先训练好的特征融合模块对所述多组密度图进行融合处理，得到所述待估计谷物图像中与所标注谷物籽粒同类别的谷物籽粒数。

进一步地，k=2时，所述对所述待估计谷物图像中的一种或多种谷物籽粒进行标注，得到M组N个不同尺度的标注框，包括：在所述待估计谷物图像中针对第一类别谷物籽粒绘制当前标注框，得到所述当前标注框的当前尺度信息；判断所述当前尺度信息是否大于上一个标注框的尺度信息与第一缩放系数的乘积，或者，小于所述上一个标注框的尺度信息与第二缩放系数的乘积，其中，所述第一缩放系数大于所述第二缩放系数；若否则返回所述在所述待估计谷物图像中绘制当前标注框的步骤，若是则判断所述当前标注框对应的序号是否为M；若不为M则在所述待估计谷物图像中针对所述第一类别谷物籽粒或其他类别谷物籽粒绘制下一个标注框，并进行下一个标注框的尺度判断，若为M则根据所述第一缩放系数、所述第二缩放系数分别对M个标注框进行缩放处理，得到M组N个不同尺度的标注框，其中，N=3*M。