【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于种子区域生长的桃树枝干弱监督图像分割方法。
技术介绍
1、智能化剪枝机器人技术可以减少对人工的依赖，有效提高作业效率，显著降低果园的管理成本；果树枝干的准确检测是剪枝机器人实现智能化剪枝机器视觉系统中的关键技术；剪枝机器人依靠枝干检测技术精确检测树木的枝干位置和形态，从而进行精确剪枝。
2、ji等人的一种利用自适应直方图均衡化技术进行苹果枝条的阈值分割的方法，在应用于简单场景和非连续枝条时，并不能获取完整的枝干信息；tabb等人的automaticsegmentation oftrees in dynamic outdoor environments，通过检测超像素来区分低纹理背景区域，进而实现枝干的分割，但该方法主要适用于背景较为简单的情境。
3、基于传统方法的研究往往依赖于手工特征的提取和精细调整，这使得它们在处理复杂和动态环境时的适应性和鲁棒性较差；周云成等人通过vggnet技术对番茄的果实、花朵及茎进行检测，发现茎的平均检测准确度仅为53.94％，表明茎的检测性能不佳；zhang等人运用r-cnn及拟合技术对苹果树枝条进行检测，该方法仅适用于单枝条的检测，并未适应分枝状枝条的检测需求。
4、公开号为cn 117456359a的专利，采集果园环境的图像，将采集到的图像输入枝干分割神经网络模型，获取枝干信息，对存在树叶遮挡的枝干进行还原deeplabv3+模型包括mobilenetv2主干网络、空洞空间卷积池化金字塔并联混合带状池化模块、第一注意力机
5、上述深度学习方法在果树枝干检测领域已经得到广泛应用，相对于传统图像处理算法，可以更为有效地处理复杂背景下的果树枝干检测问题，但是网络模型的训练大多依赖于前期标注丰富的庞大的数据集。
技术实现思路
1、针对现有方法的不足，本专利技术在实现智能剪枝的机械化、自动化以及智能化以及在稀疏标注的基础上实现对桃树枝干的弱监督图像分割。
2、本专利技术所采用的技术方案是：一种基于种子区域生长的桃树枝干弱监督图像分割方法包括以下步骤：
3、步骤一、采集果园果树枝干原始图像，并对图像进行预处理；
4、作为本专利技术的一种优选实施方式，预处理包括：对图像进行增强、对比度增强、裁剪和分割。
5、步骤二、将原始图像输入基于线级的稀疏标注的种子算法，生成初始种子图；
6、作为本专利技术的一种优选实施方式，种子算法包括如下步骤：
7、步骤21、将原始图像送入单标签分类网络预训练；
8、作为本专利技术的一种优选实施方式，单标签分类网络包括：vgg-16网络。
9、步骤22、经过分类网络得到局部种子，对局部种子分配类别分数，设定类别分数阈值；
10、步骤23、将高于类别分数阈值的种子线索聚合，得到种子架构图。
11、作为本专利技术的一种优选实施方式，种子架构图的公式为：
12、fk＝∑fk(i)σ(ski) (1)
13、
14、其中，ski为每个线标注的分类分数，β为类别分数阈值，fk(i)表示第i个线标签中b的激活映射。
15、步骤三、利用分割网络对原始图像中的桃枝进行深度语义特征的提取，得到分割特征图；
16、作为本专利技术的一种优选实施方式，分割网络包括deeplabv3+网络。
17、作为本专利技术的一种优选实施方式，分割网络包括：将deeplabv3+网络的主干网络替换为mobilenetv3-small。
18、步骤四、将srg融合算法集成到分割网络中进行弱监督语义分割；将初始种子图在分割特征图中迭代生长，并输出标签图；
19、作为本专利技术的一种优选实施方式，srg融合算法的公式为：
20、
21、其中，hu,b为位置u的像素属于b桃枝类的概率；θ为种子相邻像素的置信度的阈值；p(hu,b,θb)表示b类在分割图的各个位置出现的置信度，b’表示未取定的b。
22、作为本专利技术的一种优选实施方式，步骤三还包括：利用边界和播种约束分割网络进行迭代训练。
23、作为本专利技术的一种优选实施方式，边界和播种约束的公式为：
24、
25、其中，hu,b为分割图s中处于位置u处像素属于b桃枝类的概率，b是前景类别，b是背景类别，sb是分类为b类的一组区域位置，qu,b(x,h)表示crf条件随机场输出。
26、本专利技术的有益效果：
27、1、针对半结构化果园环境中桃树枝干的分割检测问题，仅依赖与不完全的稀疏标记下实现对果树枝干的弱监督图像分割，获取果树枝干信息；
28、2、以传统的种子区域生长方法为基础，结合现有的深度学习图像分割网络，对两者进行特征融合，针对非结构化的桃园复杂环境进行针对性改进，以提高前期不完全标注下的分割精度；
29、3、在实现智能果树剪枝的机械化、自动化以及智能化以及对果树枝干的检测以实现采摘避障等方面提供有效的解决方案，也为解决其他果树枝干的检测研究难题提供借鉴。
本文档来自技高网...【技术保护点】
1.一种基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，种子算法包括如下步骤：
3.根据权利要求2所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，种子架构图的公式为：
4.根据权利要求1所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，SRG融合算法的公式为：
5.根据权利要求1所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，步骤三还包括：利用边界和播种约束分割网络进行迭代训练。
6.根据权利要求5所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，边界和播种约束的公式为：
7.根据权利要求1所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，分割网络包括：将Deeplabv3+网络的主干网络替换为MobileNetv3-small。
8.根据权利要求1所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，分割网
9.根据权利要求1所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，预处理包括：对图像进行增强、对比度增强、裁剪和分割。
10.根据权利要求2所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，单标签分类网络包括：VGG-16网络。
...【技术特征摘要】
1.一种基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，种子算法包括如下步骤：
3.根据权利要求2所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，种子架构图的公式为：
4.根据权利要求1所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，srg融合算法的公式为：
5.根据权利要求1所述的基于种子区域生长的桃树枝干弱监督图像分割方法，其特征在于，步骤三还包括：利用边界和播种约束分割网络进行迭代训练。
6.根据权利要求5所述的基于种子区域生长的桃树枝干弱监督图...
【专利技术属性】
技术研发人员：吕继东，孙晓琴，韩颖，毕卉，顾玉宛，邹凌，戎海龙，
申请(专利权)人：常州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。