[发明专利]基于D2Det模型的果实识别方法及系统

说明书

本发明公开了基于D2Det模型的果实识别方法及系统，包括：获取待识别图像；对所述待识别图像进行预处理；对预处理后的待识别图像进行特征提取；基于提取的特征，得到感兴趣区域特征；采用训练后的D2Det模型，对感兴趣区域特征进行目标定位和目标分类；基于目标定位和目标分类结果，完成目标检测，在目标检测完成的基础上对待识别图像的果实进行分割，得到只包含果实的图像。本发明在回归偏移量上做出了很好的创新，能够有效的提高果实识别的准确率，即使是严重遮挡到的果实也能够被识别出来，进而提高机器采摘的准确性，并且能够降低背景的干扰。

技术领域

本发明涉及果实识别技术领域，特别是涉及基于D2Det模型的果实识别方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

果实采摘中最核心的问题是果实的识别问题，为了不断的优化果实的识别精度，科研人员一直在进行优化改进算法。但是果实识别容易受到客观条件的影响，比如天气，温度，光线，角度等，还有树叶枝干对果实的遮挡，以及果实容易出现的粘连重叠现象，都会影响机器人识别的效率，导致识别的精度不够准确，效率不够高。因此，机器人果实识别还是存在着各种各样的问题。

为了更好的解决这个问题，很多科研人员不断的做着努力，不断对算法进行优化和创新。大多数的模型都是在回归和特征提取方面做出了优化，以达到更高效的识别效率。目前，比较流行的方法有Faster R-CNN、Mask R-CNN等等，都在目标识别领域表现出优异的效果。但是对于严重遮挡和模糊的果实仍然难以识别，识别效果还有很大的提升空间。

发明内容

为了解决现有技术的不足，本发明提供了基于D2Det模型的果实识别方法及系统；在回归偏移量上做出了很好的创新，能够有效的提高果实识别的准确率，即使是严重遮挡到的果实也能够被识别出来，进而提高机器采摘的准确性。

第一方面，本发明提供了基于D2Det模型的果实识别方法；

基于D2Det模型的果实识别方法，包括：

获取待识别图像；对所述待识别图像进行预处理；

对预处理后的待识别图像进行特征提取；基于提取的特征，得到感兴趣区域特征；

采用训练后的D2Det模型，对感兴趣区域特征进行目标定位和目标分类；

基于目标定位和目标分类结果，完成目标检测，在目标检测完成的基础上对待识别图像的果实进行分割，得到只包含果实的图像。

第二方面，本发明提供了基于D2Det模型的果实识别系统；

基于D2Det模型的果实识别系统，包括：

获取模块，其被配置为：获取待识别图像；对所述待识别图像进行预处理；

特征提取模块，其被配置为：对预处理后的待识别图像进行特征提取；基于提取的特征，得到感兴趣区域特征；

目标定位和分类模块，其被配置为：采用训练后的D2Det模型，对感兴趣区域特征进行目标定位和目标分类；

图像分割模块，其被配置为：基于目标定位和目标分类结果，完成目标检测，在目标检测完成的基础上对待识别图像的果实进行分割，得到只包含果实的图像。

第三方面，本发明还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。

第四方面，本发明还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。