[发明专利]一种果实计数方法、装置及电子设备

说明书

本申请适用于深度学习卷积神经网络技术领域，提供了一种果实计数方法、装置及电子设备，其中方法包括：获取果实图片；将果实图片输入至果实检测模型，以使得果实检测检测模型输出果实图片中各个果实的位置信息，其中果实检测模型中的第一卷积层模块的输出特征被输入至第二卷积层模块，第一卷积层模块用于处理果实整体特征，第二卷积层模块用于处理果实局部特征；根据所确定的果实的位置信息，确定果实图片所对应的果实数量。由此，提升对小目标物体的检测准确度。

技术领域

本申请属于深度学习卷积神经网络技术领域，尤其涉及一种果实计数方法、装置及电子设备。

背景技术

目前相关技术中，随着深度学习卷积神经网络技术在农业领域的广泛应用，对农业栽培、植保、测产等方方面面产生了较大的影响，极大的提升了农业生产的效率，明显的降低了生产的成本。

但是，使用简单的特征金字塔网络(FPN)进行特征融合，只能提升大目标物体的检测与识别，对小目标物体检测准确度仍然很低，达不到实用的级别。因此，如何提升对小目标物体(例如，果实)检测的准确度是目前业界亟待解决的难题。

发明内容

有鉴于此，本申请实施例提供了一种果实计数方法、装置及电子设备，以解决现有技术中对小目标物体检测准确度较低的问题。

本申请实施例的第一方面提供了一种果实计数方法，包括：获取果实图片；将果实图片输入至果实检测模型，以使得果实检测模型输出果实图片中各个果实的位置信息，其中果实检测模型中的第一卷积层模块的输出特征被输入至第二卷积层模块，第一卷积层模块用于处理果实整体特征，第二卷积层模块用于处理果实局部特征；根据所确定的果实的位置信息，确定果实图片所对应的果实数量。

本申请实施例的第二方面提供了一种果实计数装置，包括：获取单元，被配置为获取果实图片；处理单元，被配置为将果实图片输入至果实检测模型，以使得果实检测模型输出果实图片中各个果实的位置信息，其中果实检测模型中的第一卷积层模块的输出特征被输入至第二卷积层模块，第一卷积层模块用于处理果实整体特征，第二卷积层模块用于处理果实局部特征；确定单元，被配置为根据所确定的果实的位置信息，确定果实图片所对应的果实数量。

本申请实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。

本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备实现如上述方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：

通过本申请实施例，电子设备可以将果实图片输入至果实检测模型，以使得果实检测模型输出果实图片中各个果实的位置信息，其中果实检测模型中的第一卷积层模块的输出特征被输入至第二卷积层模块，第一卷积层模块用于处理果实整体特征，第二卷积层模块用于处理果实局部特征，以使得图片具有严格分类；根据所确定的果实的位置信息，确定果实图片所对应的果实数量。由此，将果实检测模型中的深层特征与浅层特征进行融合，可以提升对小目标物体的检测准确度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种果实计数方法的一示例的流程示意图；

图2是本申请实施例提供的在果实图片上的标注框的一示例的示意图；