[发明专利]一种同色系目标果实检测方法及系统

说明书

本发明属于农业机械领域，提供了一种同色系目标果实检测方法及系统。该方法包括，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。

技术领域

本发明属于农业机械领域，满足采摘机器人视觉系统的需要，并使其服务于果园测产、机器采摘等计算机视觉领域的一种不需要锚框的精准高效的针对同色系目标果实的检测方法。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着信息技术的快速发展，我们步入了人工智能盛行的时代，社会生产发生了翻天覆地的变化，但农业生产的科技水平相对来说比较滞后。人工成本的不断增加，严重制约着农业产品的规模化发展，很多农场一年到头增产不增收。人工采摘容易出现误采误摘现象，不能保证采摘的果实质量，工作效率低，耗费时间长，从而产生高昂的采摘成本。为了节省人工成本，保证果实质量，提高采摘效率，增加农场经济效益，智能采摘机器人被开发应用到农业生产当中，并发挥着举足轻重的作用。本发明将机器视觉技术与目标检测相结合，将视觉算法应用于机器人收集到的图像中，通过计算机高效快速处理，实现复杂果园环境下同色系目标果实的检测。除了可以用在机器人的果实采摘当中，还可以为果实的产量预测奠定基础。

然而，实际果园环境下的果实往往不是独立存在的，通常会出现枝叶遮挡、重叠覆盖、水滴及阴影等无可避免的影响因素，而同色系目标检测更是智慧农业领域的一大难点，不仅存在以上特征，还要考虑颜色带来的影响。所谓同色系目标，即目标果实的颜色与其枝叶背景的颜色相同、相似或属于同一色系，在检测时目标果实和背景枝叶难区分，容易出现漏检错检现象。这对果园测产、果实采摘等智慧农业领域目标检测增大了难度和挑战，也是近年来智慧农业领域研究的重点。目标检测的许多研究大都是借助了锚框和区域建议网络来实现，锚框和建议带来的超参数很多，计算量和训练内存也很大。

为了让采摘机器人面对同色系目标时能够精准高效地检测目标果实，本发明提出了一种不需要锚框的简单高效的同色系目标果实检测模型，来进行同色系目标果实的检测研究，并将其应用到采摘机器人的视觉系统中，鲁棒性强，泛化性好，提高了识别效率，实现了精度和速度的平衡。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种同色系目标果实检测方法及系统，通过不需要锚框的简单高效的同色系目标果实检测模型，来进行同色系目标果实的检测研究，并将其应用到采摘机器人的视觉系统中，实现精度和速度之间的平衡，适用于果园测产、机器采摘等智慧农业领域的应用。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种同色系目标果实检测方法。

一种同色系目标果实检测方法，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；