本發(fā)明涉及圖像識別，更具體地，本發(fā)明涉及一種多果重疊及存在復(fù)雜遮擋物情況下的蘋果果實(shí)圖像識別方法、系統(tǒng)、介質(zhì)和計(jì)算設(shè)備。

背景技術(shù)：

1、在現(xiàn)有的圖像識別技術(shù)中，尤其是在農(nóng)業(yè)領(lǐng)域?qū)μO果果實(shí)的識別過程中，經(jīng)常遇到多果重疊和復(fù)雜遮擋物的問題，這給果實(shí)的準(zhǔn)確識別帶來了挑戰(zhàn)。傳統(tǒng)的圖像識別方法往往依賴簡單的圖像處理技術(shù)，難以應(yīng)對復(fù)雜的實(shí)際場景。技術(shù)原理上，這些方法可能只進(jìn)行了基礎(chǔ)的圖像采集和預(yù)處理，缺乏深入的特征提取和智能的分類識別算法，導(dǎo)致在實(shí)際應(yīng)用中的識別準(zhǔn)確率不高。在實(shí)現(xiàn)本發(fā)明實(shí)施例過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題或缺陷：無法有效處理多果重疊和遮擋問題，導(dǎo)致識別準(zhǔn)確度不足；缺乏對圖像特征的深入分析和利用，限制了識別算法的性能提升。

技術(shù)實(shí)現(xiàn)思路

1、在本發(fā)明的第一方面中，提供了一種多果重疊及存在復(fù)雜遮擋物情況下的蘋果果實(shí)圖像識別方法，包括：

2、對蘋果樹區(qū)域進(jìn)行圖像采集，形成至少兩個(gè)蘋果子區(qū)域；

3、對采集到的圖像進(jìn)行預(yù)處理，包括灰度化、濾波和邊緣檢測；

4、基于圖像特征提取算法對每個(gè)蘋果子區(qū)域進(jìn)行特征提?。?/p>

5、基于特征信息和機(jī)器學(xué)習(xí)算法對每個(gè)蘋果子區(qū)域進(jìn)行分類識別，得到蘋果果實(shí)的識別結(jié)果；

6、通過圖像融合技術(shù)將所有子區(qū)域的識別結(jié)果合并，得到整個(gè)蘋果樹區(qū)域的識別結(jié)果。

7、進(jìn)一步地，對采集到的圖像進(jìn)行預(yù)處理，具體包括：

8、使用灰度化公式

9、igray(i,j)＝0.299·ioriginal(i,j)r+0.587·ioriginal(i,j)g+0.114·ioriginal(i,j)b

10、對每個(gè)像素點(diǎn)(i,j)的原始rgb圖像ioriginal進(jìn)行轉(zhuǎn)換，其中ioriginal(i,j)r,ioriginal(i,j)g,ioriginal(i,j)b分別代表該像素點(diǎn)的紅、綠、藍(lán)通道值。

11、使用濾波公式

12、

13、對灰度圖像進(jìn)行濾波，其中f(m,n)為濾波核的系數(shù)，k為濾波核大小。

14、使用canny邊緣檢測算法計(jì)算邊緣強(qiáng)度和方向，最終得到二值邊緣圖像iedges(i,j)，其中iedges(i,j)為邊緣圖像在點(diǎn)(i,j)的像素值，取值為0或255表示非邊緣和邊緣。

15、進(jìn)一步地，基于圖像特征提取算法對每個(gè)蘋果子區(qū)域進(jìn)行特征提取，具體包括：

16、使用特征提取公式

17、features＝fe(iedges)＝{hog,color,texture}

18、提取邊緣檢測后的圖像iedges的特征，其中fe為特征提取函數(shù)，hog代表方向梯度直方圖，color代表顏色特征，texture代表紋理特征。

19、進(jìn)一步地，基于特征信息和機(jī)器學(xué)習(xí)算法對每個(gè)蘋果子區(qū)域進(jìn)行分類識別，具體包括：

20、使用特征向量features＝[f1,f2,...,fm]，其中f1,f2,...,fm代表提取的m個(gè)特征。

21、將特征向量輸入到分類器中，使用分類公式

22、c＝ml(features)＝arg?features)

23、進(jìn)行分類，其中ml為機(jī)器學(xué)習(xí)分類函數(shù)，c為可能的類別集合，p(c|features)為給定特征條件下類別c的后驗(yàn)概率。

24、進(jìn)一步地，通過圖像融合技術(shù)將所有子區(qū)域的識別結(jié)果合并，具體包括：

25、使用ifinal＝∪ci將所有子區(qū)域的分類結(jié)果ci進(jìn)行融合，其中∪為集合并操作。

26、進(jìn)一步地，使用深度學(xué)習(xí)算法對蘋果果實(shí)圖像進(jìn)行識別，具體包括：

27、定義深度學(xué)習(xí)模型的網(wǎng)絡(luò)結(jié)構(gòu)，包括輸入層、多個(gè)隱含層和輸出層；

28、使用損失函數(shù)

29、

30、計(jì)算預(yù)測結(jié)果pi和真實(shí)標(biāo)簽yi之間的均方誤差損失，其中n為樣本數(shù)量；

31、通過反向傳播算法更新網(wǎng)絡(luò)權(quán)重w和偏置b，優(yōu)化模型性能。

32、進(jìn)一步地，所述深度學(xué)習(xí)模型通過以下公式表征：

33、o(l)＝f(l)(w(l)·o(l-1)+b(l))

34、其中，o(l)為第l層的輸出，w(l)為從第l-1層到第l層的權(quán)重矩陣，b(l)為第l層的偏置項(xiàng)，f(l)為第l層的激活函數(shù)。

35、在本發(fā)明的第二方面中，提供了一種多果重疊及存在復(fù)雜遮擋物情況下的蘋果果實(shí)圖像識別系統(tǒng)，包括：

36、圖像采集模塊，用于對蘋果樹區(qū)域進(jìn)行圖像采集；

37、預(yù)處理模塊，用于對采集到的圖像進(jìn)行灰度化、濾波和邊緣檢測；

38、特征提取模塊，用于基于圖像特征提取算法對每個(gè)蘋果子區(qū)域進(jìn)行特征提取；

39、分類識別模塊，用于基于特征信息和機(jī)器學(xué)習(xí)算法對每個(gè)蘋果子區(qū)域進(jìn)行分類識別；

40、圖像融合模塊，用于將所有子區(qū)域的識別結(jié)果合并，得到整個(gè)蘋果樹區(qū)域的識別結(jié)果。

41、在本發(fā)明的第三方面中，提供了一種電子設(shè)備，所述電子設(shè)備包括：至少一個(gè)處理器、存儲器和輸入輸出單元；其中，所述存儲器用于存儲計(jì)算機(jī)程序，所述處理器用于調(diào)用所述存儲器中存儲的計(jì)算機(jī)程序來執(zhí)行第一方面中任一項(xiàng)所述的方法。

42、在本發(fā)明的第四方面中，提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，其包括指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行第一方面中任一項(xiàng)所述的方法。

43、根據(jù)本發(fā)明的上述實(shí)施例至少具有以下有益效果：本發(fā)明通過采用先進(jìn)的圖像處理技術(shù)，可以有效地對采集到的圖像進(jìn)行灰度化、濾波和邊緣檢測等預(yù)處理操作，從而提高圖像質(zhì)量，為后續(xù)的特征提取和識別打下堅(jiān)實(shí)基礎(chǔ)。此外，通過應(yīng)用特征提取算法，可以精確地從預(yù)處理后的圖像中提取出方向梯度直方圖、顏色特征和紋理特征等關(guān)鍵信息，這些特征為蘋果果實(shí)的分類識別提供了重要依據(jù)。進(jìn)一步地，利用機(jī)器學(xué)習(xí)算法對特征信息進(jìn)行智能分類識別，可以顯著提升識別的準(zhǔn)確性和效率。最終，通過圖像融合技術(shù)將所有子區(qū)域的識別結(jié)果進(jìn)行有效整合，可以得到整個(gè)蘋果樹區(qū)域的準(zhǔn)確識別結(jié)果，從而為農(nóng)業(yè)自動化和智能化提供了有力的技術(shù)支持。

技術(shù)特征：

1.一種多果重疊及存在復(fù)雜遮擋物情況下的蘋果果實(shí)圖像識別方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的蘋果果實(shí)圖像識別方法，其特征在于，對采集到的圖像進(jìn)行預(yù)處理，具體包括：

3.根據(jù)權(quán)利要求1所述的蘋果果實(shí)圖像識別方法，其特征在于，基于圖像特征提取算法對每個(gè)蘋果子區(qū)域進(jìn)行特征提取，具體包括：

4.根據(jù)權(quán)利要求1所述的蘋果果實(shí)圖像識別方法，其特征在于，基于特征信息和機(jī)器學(xué)習(xí)算法對每個(gè)蘋果子區(qū)域進(jìn)行分類識別，具體包括：

5.根據(jù)權(quán)利要求1所述的蘋果果實(shí)圖像識別方法，其特征在于，通過圖像融合技術(shù)將所有子區(qū)域的識別結(jié)果合并，具體包括：

6.根據(jù)權(quán)利要求1所述的蘋果果實(shí)圖像識別方法，其特征在于，使用深度學(xué)習(xí)算法對蘋果果實(shí)圖像進(jìn)行識別，具體包括：

7.根據(jù)權(quán)利要求6所述的蘋果果實(shí)圖像識別方法，其特征在于，所述深度學(xué)習(xí)模型通過以下公式表征：

8.一種多果重疊及存在復(fù)雜遮擋物情況下的蘋果果實(shí)圖像識別系統(tǒng)，其特征在于，所述系統(tǒng)包括：

9.一種電子設(shè)備，其特征在于，包括處理器、以及與所述處理器耦接的存儲器，所述存儲器存儲有可被所述處理器執(zhí)行的程序指令；所述處理器執(zhí)行所述存儲器存儲的所述程序指令時(shí)實(shí)現(xiàn)如權(quán)利要求1至8中任一項(xiàng)所述的蘋果果實(shí)圖像識別方法。

10.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)內(nèi)存儲有程序指令，所述程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)能夠?qū)崿F(xiàn)如權(quán)利要求1至8中任一項(xiàng)所述的蘋果果實(shí)圖像識別方法。

技術(shù)總結(jié)
本發(fā)明提供了一種多果重疊及存在復(fù)雜遮擋物情況下的蘋果果實(shí)圖像識別方法、系統(tǒng)、設(shè)備及存儲介質(zhì)，方法包括對蘋果樹區(qū)域進(jìn)行圖像采集，形成至少兩個(gè)蘋果子區(qū)域；對采集到的圖像進(jìn)行預(yù)處理，包括灰度化、濾波和邊緣檢測；基于圖像特征提取算法對每個(gè)蘋果子區(qū)域進(jìn)行特征提??；基于特征信息和機(jī)器學(xué)習(xí)算法對每個(gè)蘋果子區(qū)域進(jìn)行分類識別，得到蘋果果實(shí)的識別結(jié)果；通過圖像融合技術(shù)將所有子區(qū)域的識別結(jié)果合并，得到整個(gè)蘋果樹區(qū)域的識別結(jié)果。本發(fā)明可以實(shí)現(xiàn)高效準(zhǔn)確的蘋果果實(shí)圖像識別方法，有助于提高農(nóng)業(yè)自動化和智能化水平。

技術(shù)研發(fā)人員：王建夏,鄔歡歡
受保護(hù)的技術(shù)使用者：塔里木大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23