[发明专利]一种基于PointNet++网络的枸杞识别计数方法

说明书

本发明涉及一种基于PointNet++网络的枸杞识别计数方法，与现有技术相比解决了枸杞果实采摘前的遮挡重叠致使二维图像识别方法难以准确识别的缺陷。本发明包括以下步骤：PointNet++网络训练样本的收集和预处理；基于PointNet++网络融合上下文信息获得PointNet++模型；待识别点云数据的获取和预处理；枸杞数量的识别和计数。本发明融合了基于上下文信息的PointNet++网络和基于距离变换的最佳阈值分水岭分割算法，实现对枸杞进行精准分割计数。

技术领域

本发明涉及图像识别技术领域，具体是一种基于PointNet++网络的枸杞识别计数方法。

背景技术

在枸杞的种植过程中，通过精准的预测枸杞产量可以针对性地对产量较低区域进行整改，调整土壤、品种或者含水率等因素，以及合理安排收获时所需的人力、物力、仓储等资源。

目前，在进行果实目标识别以及估算产量时，大多利用了二维图像作为数据输入进行测产。但在实际应用中，由于枸杞颗粒较小，且枸杞果实采摘前大多存在遮挡和重叠问题，使用基于二维图像的深度学习方法进行测产效率低、鲁棒性差，难以保证其准确度。

因此，如何设计出一种新的识别计数方法提高枸杞识别和计数的准确性已成为亟待解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中枸杞果实采摘前的遮挡重叠致使二维图像识别方法难以准确识别的缺陷，提供一种基于PointNet++网络的枸杞识别计数方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种基于PointNet++网络的枸杞识别计数方法，包括以下步骤：

11)PointNet++网络训练样本的收集和预处理：获取每株枸杞树的18张图片和对应的上下文信息，上下文信息包括时间、空间、温度和物候期信息，通过18张图片构建三维模型获得三维点云，联同上下文信息作为训练数据；

12)基于PointNet++网络融合上下文信息获得PointNet++模型：

设定PointNet++网络，针对PointNet++网络的采样层、分组层、PointNeting层以及分割层进行设定；训练PointNet++网络，引入获取点云数据时的时间、空间、温度和物候期上下文信息作为特征数据，训练对枸杞三维点云数据进行分割的PointNet++模型；

13)待识别点云数据的获取和预处理：获取待识别枸杞树的18张图片和其相应的时间、空间、温度和物候期上下文信息，并构建成三维模型，获得待识别的三维点云；

14)枸杞数量的识别和计数：

将待识别的三维点云和作为特征的上下文信息输入PointNet++模型，获得枸杞目标的分数，通过标记法对枸杞数量进行计数。

所述的设定PointNet++网络包括以下步骤：

21)设定PointNet++网络依次包括采样层、分组层、PointNeting层的层次组合；

22)设定采样层，采样层为选择中心；

利用k-means++聚类方法得到中心点，第一层取中心点数为m个；

X＝{x₁,x₂,......,x_n}为输入的有标签点集，

其中,x_i∈R^d+C，d为点云维度，C为特征维度；