[发明专利]一种葡萄藤冬剪点检测算法

权利要求书

1.一种葡萄藤冬剪点检测算法，其特征在于：包括以下具体步骤:

步骤一、分割葡萄藤区域：在采集的葡萄藤图像中分割出葡萄藤区域，得到初步的分割图像，并对初步的分割图像进行形态学去噪操作；

步骤二、葡萄藤区域细化与向量化：对分割出的葡萄藤区域，采用IEPTA细化算法提取出每一根葡萄藤枝干的骨架，即枝干的中轴线，然后在交叉点处打断并将骨架线段向量化；

步骤三、葡萄藤连接关系重建：根据枝干连接关系的判断准则，判断各个葡萄藤枝干之间的连接关系，最终得到葡萄藤图像中各段枝干间的完整连接关系；

步骤四、找到需剪枝的葡萄藤枝干：依据步骤三中得到的枝干间连接关系，找到需要冬剪的葡萄藤枝干，并在该葡萄藤枝干区域获取检测芽点的候选框；

步骤五、检测芽点并确定剪枝点：对步骤四中获取的候选框，采用轻量级神经网络算法检测芽点，并确定冬剪点的位置。

2.根据权利要求1所述的一种葡萄藤冬剪点检测算法，其特征在于所述步骤一中，采用超像素方法和BPNN分类网络对采集的葡萄藤图像进行葡萄藤区域分割，在针对简单背景的应用场景时，也可采用颜色阈值分割方法进行分割，当采用超像素方法和BPNN分类网络对采集的葡萄藤图像进行葡萄藤区域分割时，包括以下具体步骤:

1.1、训练阶段：

1.1.1、采集葡萄藤图像样本，并人工标记出葡萄藤区域，选取一部分葡萄藤图像作为训练图像，人工标记出葡萄藤区域的二值图像作为训练标签图像,另一部分作为测试集；

1.1.2、对训练图像使用SLIC超像素分割方法，把训练图像分割成若干个像素块，每个像素块内部是颜色特征相似的像素的聚类；

1.1.3、制作训练用像素块样本标签,根据训练标签图像判断每一个像素块是否属于葡萄藤区域；

1.1.4、对训练样本中所有图像分别随机选取合适数量的葡萄藤区域像素块和非葡萄藤区域的像素块，提取像素块中的特征信息，所述特征信息包括颜色信息和纹理信息；

1.1.5、将从葡萄区域像素块中提取的特征信息作为正样本，从非葡萄区域像素块中提取的特征信息作为负样本，训练BPNN分类器，最终得到能够根据特征信息分辨出像素块是否属于葡萄藤区域的BPNN分类器；

1.2、实际使用阶段：

1.2.1、对待分割的葡萄藤图像进行SLIC超像素分割，使其分割成许多的像素块；

1.2.2、采用训练阶段训练得到的BPNN分类器，判断葡萄藤图像中每一个像素块是否属于葡萄藤区域，得到初步的分割图像；

1.2.3、对初步分割图像进行形态学去噪操作，最终得到分割结果图像。

3.根据权利要求2所述的一种葡萄藤冬剪点检测算法，其特征在于所述步骤1.1.4中，颜色信息是RGB、YCrCb、HSV三种颜色空间中的各通道颜色信息在像素块中的均值和方差，纹理特征是像素块中的LBP特征。

4.根据权利要求2所述的一种葡萄藤冬剪点检测算法，其特征在于所述步骤1.1.3、在制作训练用像素块样本标签时，判断每一个像素块是否属于葡萄藤区域的判断方法为：当一个像素块中的像素点属于葡萄藤区域像素点的数量占这个像素块中像素点总数量的80％及以上，则认为该像素块整体是属于葡萄藤区域的；否则，则认为该像素块不属于葡萄藤区域。

5.根据权利要求1所述的一种葡萄藤冬剪点检测算法，其特征在于所述步骤一中，采用超像素分割和BPNN进行分割葡萄藤区域过程中，结合深度图像，将超像素分割后的每一个像素块中的平均深度作为一个信息维度输入到BPNN中，以辅助提高分割近景与远景的准确率。