[发明专利]果心区域定位、果心室外端与果实半径比计算方法及系统

权利要求书

1.一种果心区域定位、果心室外端与果实半径比计算方法，其特征在于，包括：

制作数据集并训练网络参数，构建网络模型；

将实时采集视频中的图像输入所述网络模型，定位采集视频图像中果心、果肉位置区域；

在所述定位果心、果肉位置区域中，确定果心区域，根据所述果心区域计算得到果心室外端与果实半径比。

2.如权利要求1所述果心区域定位、果心室外端与果实半径比计算方法，其特征在于，所述制作数据集包括：

利用图像标注工具Labelme，选择水果的果心、果肉区域边缘，对不同属于区域像素进行标注；

对标注后图片按照预先设定的比例随机划分为训练集、验证集和测试集。

3.如权利要求1所述果心区域定位、果心室外端与果实半径比计算方法，其特征在于，所述网络模型为改进Unet卷积神经网络模型；所述网络模型包括：

所述网络模型采用VGG16结构的主干特征提取网络共获得5个初步有效特征层，将得到的第5个初步有效特征层作为输入传递给ViT结构；

特征层首先经过Patch Embedding层，此处卷积层Conv2d的kernel_size和stride为1，只用来调整channel值；在输入到Transformer Encoder层之前进行Position Embedding，用于补充空间信息；

在Transformer Encoder层将Encoder Block堆叠12次，Encoder Block包括LayerNorm、Multi-Head Attention、Drop Path和MLP Block；

对ViT输出结果reshape后进行上采样，与其上一层的有效特征层进行堆叠，再进行两次标准的卷积进行加强特征提取，获得最终的有效特征层；

经过SegmentationHead层将得到的有效特征层的通道数调整为分类数3。

4.如权利要求3所述果心区域定位、果心室外端与果实半径比计算方法，其特征在于，所述网络模型的损失函数包括：交叉熵损失函数和Dice Loss损失函数。

5.如权利要求1所述果心区域定位、果心室外端与果实半径比计算方法，其特征在于，所述定位采集视频图像中果心、果肉位置区域，包括：

利用所述网络模型分割实时采集的图像，将果肉、果心和背景区域分割开，根据区域像素个数计算区域面积；

对分割结果进行评价，实现精准分割；

利用平滑算子，对分割后的单通道果肉及果心图像进行膨胀操作，形成连通域，填补分割后图像中的空洞，实现果肉和果心区域内无孔洞。

6.如权利要求5所述果心区域定位、果心室外端与果实半径比计算方法，其特征在于，所述对分割结果进行评价包括：采用召回率，精确率，分割准确率，平均像素准确率，平均交并比和F值分数进行评价。

7.如权利要求1所述果心区域定位、果心室外端与果实半径比计算方法，其特征在于，所述确定果心区域，根据所述果心区域计算得到果心室外端与果实半径比，包括：

对精准分割后的单通道果肉及果心图像进行图像处理后，对果实轮廓采用最小外接圆的方法模拟其大致轮廓，得到外接圆半径；

对果心采用最小外接圆的方法，得到果心心室外端的半径的平均值；

将果心的外接圆半径除以果实的外接圆半径，得到两者的比值。

8.一种果心区域定位、果心室外端与果实半径比计算系统，其特征在于，包括：

模型构建模块，制作数据集并训练网络参数，构建网络模型；

定位模块，将实时采集视频中的图像输入所述网络模型，定位采集视频图像中果心、果肉位置区域；

半径比获取模块，在所述定位果心、果肉位置区域中，确定果心区域，根据所述果心区域计算得到果心室外端与果实半径比。