[发明专利]一种同色系目标果实检测方法及系统

权利要求书

1.一种同色系目标果实检测方法，其特征在于，包括：

获取目标图像，并对目标图像进行预处理，得到目标图像集；

将目标图像集输入同色系目标果实检测模型中进行训练，得到训练好的同色系目标果实检测模型；

其中，所述同色系目标果实检测模型依次连接的EfficientNet网络、BiFPN特征网络和fovea头部网络，目标图像集输入EfficientNet网络后，输出的特征图输入BiFPN特征网络，输出的特征图集合输入fovea头部网络，通过类别预测和真实框预测两个分支，获得目标为果实类别的概率，并为每一个可能存在目标果实的位置生成预测值；

将待识别的果实图像输入训练好的同色系目标果实检测模型，输出预测结果。

2.根据权利要求1所述的同色系目标果实检测方法，其特征在于，所述获取目标图像包括：在真实果园环境下对同色系目标果实进行不同角度不同光照条件下RGB图像的采集。

3.根据权利要求1所述的同色系目标果实检测方法，其特征在于，所述预处理包括：采用labelme对目标果实进行标注。

4.根据权利要求1所述的同色系目标果实检测方法，其特征在于，训练的过程包括：采用线性回归计算映射到输入图像上的坐标和真实框边界之间的归一化偏移量。

5.根据权利要求4所述的同色系目标果实检测方法，其特征在于，训练的过程具体包括：

确定正负样本区域：根据果实图像中目标框的尺度大小，将果实标注的真实框映射到目标特征金字塔相应的层级，对果实目标进行预测，并得到正负区域的划分；

归一化生成目标：按照正采样点所对应的边界框信息，得到其目标分类，对于正样本区域的每一个坐标，采用线性回归直接计算映射到输入图像上的坐标和真实框边界之间的归一化偏移，得到回归目标。

6.根据权利要求5所述的同色系目标果实检测方法，其特征在于，训练的过程包括对同色系目标果实检测模型的优化，优化过程为：根据目标类别的预测和偏移量的标注信息，采用分类损失函数和回归损失函数计算正样本的预测值与真实值之间的损失值，并根据反向传播计算的梯度迭代同色系目标果实检测模型，不断更新参数，对同色系目标果实检测模型进行优化，在输出特征图的每个像素对目标生成边界框。

7.根据权利要求1所述的同色系目标果实检测方法，其特征在于，所述目标图像集输入EfficientNet网络后，输出的特征图输入BiFPN特征网络包括：将EfficientNet-B3中第3-7层每一层的特征输入到BiFPN特征网络当中，重复多次进行自顶向下与自底向上双向的特征融合。

8.一种同色系目标果实检测系统，其特征在于，包括：

采集和预处理模块，其被配置为：获取目标图像，并对目标图像进行预处理，得到目标图像集；

模型构建和训练模块，其被配置为：将目标图像集输入同色系目标果实检测模型中进行训练，得到训练好的同色系目标果实检测模型；

其中，所述同色系目标果实检测模型依次连接的EfficientNet网络、BiFPN特征网络和fovea头部网络，目标图像集输入EfficientNet网络后，输出的特征图输入BiFPN特征网络，输出的特征图集合输入fovea头部网络，通过类别预测和真实框预测两个分支，获得目标为果实类别的概率，并为每一个可能存在目标果实的位置生成预测值；

识别模块，其被配置为：将待识别的果实图像输入训练好的同色系目标果实检测模型，输出预测结果。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的同色系目标果实检测方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的同色系目标果实检测方法中的步骤。