一种草莓可采摘数量识别方法技术

本发明专利技术提供一种草莓可采摘数量识别方法

【技术实现步骤摘要】
一种草莓可采摘数量识别方法、装置及计算设备


[0001]本专利技术涉及数据处理
，特别是指一种草莓可采摘数量识别方法
、
装置及计算设备
。

技术介绍

[0002]由于历史原因，传统的草莓种植方法通常选在大棚内种植，受草莓的生长周期
、
成熟后难以长时间存放等因素的影响，现有草莓的可采摘数量识别方法以人为的定期观察为主，该方法具有人为主观随意性强
、
时效性差
、
观察不及时等弊端，导致草莓采摘不及时
、
产量预测误差大
、
市场供应质量参差不齐等事故频发，不利于草莓产业的健康发展
。
[0003]现有技术中的草莓可采摘数量识别方法，主要有卷积神经网络为基础的
VGG、RNN
等深度学习方法，该方法对草莓的识别具有较好的效果，但是在识别草莓的可采摘和不可采摘分类时的模型预测精度较低
。

技术实现思路

[0004]本专利技术要解决的技术问题是提供一种草莓可采摘数量识别方法
、
装置及计算设备，实现了半监督学习下的草莓可采摘数量识别，预测精度较高，且具有较好的泛化性
。
[0005]为解决上述技术问题，本专利技术的技术方案如下：
[0006]第一方面，一种草莓可采摘数量识别方法，所述方法包括：
[0007]利用高清拍摄设备在草莓种植大棚内进行数据采集；
[0008]使用
labelme
软件对采集的图像中的草莓进行标注，标注的对象包括可采摘草莓和不可采摘草莓；
[0009]使用
yolov8
目标检测算法对标注的图像进行目标检测；
[0010]利用
opencv
图像处理工具计算出图像中的红色占比，若红色占比超过
70
％则判定为草莓处于可采摘状态
。
[0011]进一步的，
yolov8
目标检测算法，包括：
[0012]使用
opencv
图像工具包对图像数据进行读取，使用
resize
方法将所有输入图像的尺寸更改为统一大小，设定为分辨率为
(640
，
640)
；
[0013]通过两个向量卷积进行多项式乘法并取系数，将图像的维度进行缩短
。
[0014]进一步的，
yolov8
目标检测算法的激活函数为
LeakyRelu
函数，
LeakyRelu
函数的计算公式为：
[0015][0016]其中：
α
的取值为
0.01。
[0017]进一步的，目标检测算法包括特征融合层，所述特征融合层用于融合不同层的特征检测目标，当图像拼接后，样本数据进入特征融合层进行处理
。
[0018]进一步的，所述特征融合层，包括金字塔空间池化层；
[0019]所述金字塔空间池化层通过一个卷积块输入至三个池化层；
[0020]采用自下至上的特征金字塔结构，将池化层的输出进行连接，以获得浅层位置特征
。
[0021]进一步的，
yolov8
目标检测算法包括
CBS
特征提取模块，所述
CBS
特征提取模块包括一个
conv
层
、bn
层和
silu
层组成，其中
conv
是卷积层；
bn
是
batchnorm
模块是对卷积层后的结果进行归一化操作，归一化处理时先计算数据的均值，其次进行方差，最后再对数据进行归一化处理；
[0022][0023]其中，
μ
β
是批量数据
x
的均值；
m
是数据量总数；
x
是单个数据值；
[0024]其中，是批量数据的方差
。
[0025]进一步的，利用
opencv
图像处理工具计算出图像中的红色占比，若红色占比超过
70
％则判定为草莓处于可采摘状态，包括：
[0026]使用
Python
中的
opencv
图像，将图像输入至
opencv
工具包并打开，获取图像的三个通道数据值，包含有
r、g
和
b
三个通道；采用
cv2.split(r)、cv2.split(g)、cv2.split(b)
将三通道转化为浮点数，并采用如下
opencv
内置函数计算最大值和最小值：
[0027](min,max)
＝
cv2.minMaxlov(2.4
×
r
－
g
－
b)
，其中，
g、b、r
分别对应的是
G、B、R
三个通道的数值；
min
是最小值，
max
是最大值；
[0028]将计算最大值和最小值转化为
unit8
数据结构类型，并进行二值化处理；其中红色像素点的范围在0‑
10
和
156
‑
180
之间，若最大值和最小值均属于两个范围内，则认定为属于红色像素；计算红色像素点占输入的原始图像中所有像素点的比值，即为图像中的红色覆盖率百分比：
[0029][0030]其中，
P
red
是红色像素所占比例，
R
是红色像素的数量，
A
是图像所有像素的总和；
[0031]其中，草莓的可采摘识别方法包括：
[0032]P
red
>
＝
0.7
草莓可采摘；
[0033]P
red
<0.7
草莓不可采摘；
[0034]分别对图像进行识别，得到图像中的草莓的标注框，并将标注框进行草莓分类规则对比，通过对比红色像素所占比例判定草莓是否可采摘
。
[0035]第二方面，一种草莓可采摘数量识别装置，包括：
[0036]获取模块，用于利用高清拍摄设备在草莓种植大棚内进行数据采集；使用
labelme
软件对采集的图像中的草莓进行标注，标注的对象包括可采摘草莓和不可采摘草莓；
[0037]处理模块，用于使用
yolov8
目标检测算法对标注的图像进行目标检测；利用
opencv
图像处理工具计算出图像中的红色占比，若红色占比超过
70
％则判定为草莓处于可采摘状态
。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种草莓可采摘数量识别方法，其特征在于，所述方法包括：利用高清拍摄设备在草莓种植大棚内进行数据采集；使用
labelme
软件对采集的图像中的草莓进行标注，标注的对象包括可采摘草莓和不可采摘草莓；使用
yolov8
目标检测算法对标注的图像进行目标检测；利用
opencv
图像处理工具计算出图像中的红色占比，若红色占比超过
70
％则判定为草莓处于可采摘状态
。2.
根据权利要求1所述的草莓可采摘数量识别方法，其特征在于，
yolov8
目标检测算法，包括：使用
opencv
图像工具包对图像数据进行读取，使用
resize
方法将所有输入图像的尺寸更改为统一大小，设定为分辨率为
(640
，
640)
；通过两个向量卷积进行多项式乘法并取系数，将图像的维度进行缩短
。3.
根据权利要求2所述的草莓可采摘数量识别方法，其特征在于，
yolov8
目标检测算法的激活函数为
LeakyRelu
函数，
LeakyRelu
函数的计算公式为：其中：
α
的取值为
0.01。4.
根据权利要求3所述的草莓可采摘数量识别方法，其特征在于，目标检测算法包括特征融合层，所述特征融合层用于融合不同层的特征检测目标，当图像拼接后，样本数据进入特征融合层进行处理
。5.
根据权利要求4所述的草莓可采摘数量识别方法，其特征在于，所述特征融合层，包括金字塔空间池化层；所述金字塔空间池化层通过一个卷积块输入至三个池化层；采用自下至上的特征金字塔结构，将池化层的输出进行连接，以获得浅层位置特征
。6.
根据权利要求5所述的草莓可采摘数量识别方法，其特征在于，
yolov8
目标检测算法包括
CBS
特征提取模块，所述
CBS
特征提取模块包括一个
conv
层
、bn
层和
silu
层组成，其中
conv
是卷积层；
bn
是
batchnorm
模块是对卷积层后的结果进行归一化操作，归一化处理时先计算数据的均值，其次进行方差，最后再对数据进行归一化处理；其中，
μ
β
是批量数据
x
的均值；
m
是数据量总数；
x
是单个数据值；其中，是批量数据的方差
。7.
根据权利要求6所述的草莓可采摘数量识别方法，其特征在于，利用
opencv
图像处理工具计算出图像中的红色占比，若红色占比超过
70
％则判定为草莓...

【专利技术属性】
技术研发人员：田冰川，马妍，吕凤，
申请(专利权)人：华智生物技术有限公司，
类型：发明
国别省市：