[发明专利]一种基于深度学习与图像处理结合的葡萄果梗识别方法

权利要求书

1.一种基于深度学习与图像处理结合的葡萄果梗识别方法，包括以下步骤：步骤一，采集果梗图片数据；步骤二，获取果梗识别模型；步骤三，获取果梗区域坐标；步骤四，图像处理；步骤五，获取果梗坐标；其特征在于：

其中在上述步骤一中，采集大量的带有果梗的葡萄生长图片，使用labelImg标注工具对葡萄果梗图片进行标注；

其中在上述步骤二中，通过深度学习模型yolov5对标注后的带有果梗的葡萄生长图片进行识别训练，得到葡萄果梗识别模型；

其中在上述步骤三中，将测试图片输入葡萄果梗识别模型，获取葡萄果梗感兴趣区域，进而得到葡萄果梗区域坐标；

其中在上述步骤四中，将测试图片进行非线性双边滤波处理；

其中在上述步骤五中，将果梗感兴趣区域坐标作为grabcut分割算法的rect参数输入，然后对步骤四中处理后的图片进行分割处理，即可分割出果梗图片，得到果梗坐标。

2.根据权利要求1所述的一种基于深度学习与图像处理结合的葡萄果梗识别方法，其特征在于：所述步骤一中，使用Intel RealSense系列相机采集带有果梗的葡萄生长图片。

3.根据权利要求1所述的一种基于深度学习与图像处理结合的葡萄果梗识别方法，其特征在于：所述步骤一中，labelImg标注的具体方法为：

1)建立yolo文件夹，建立images子文件夹用来存放样本图片，建立labels子文件夹用来存储标注信息；

2)将所采集的样本图片放到images文件夹下；

3)运行labelImg，修改标记模式为yolo模式，修改标注后数据存储的路径为labels子文件夹；

4)选择图片目录，打开images子文件夹，选择样本图片；

5)创建标注框对样本图片中需要标注的部分进行画框，画完框后选则所要标注的类别；

6)保存标注信息；

7)完成所有样本图片的标注后，在yolo文件夹下建立yaml文件存放目录信息和标注物分类。

4.根据权利要求3所述的一种基于深度学习与图像处理结合的葡萄果梗识别方法，其特征在于：所述yaml文件内容如下：train是训练图像集的相对路径，val是验证集的相对路径，train和val在此处为images的目录；nc是识别物体的种类数目，在此处为1；names是种类的名称。

5.根据权利要求1所述的一种基于深度学习与图像处理结合的葡萄果梗识别方法，其特征在于：所述步骤二中，采用Pytorch神经网络框架进行yolov5模型的训练。

6.根据权利要求1所述的一种基于深度学习与图像处理结合的葡萄果梗识别方法，其特征在于：所述步骤四中，可以通过grabcut分割算法来提高图像分割的效果。