[发明专利]一种基于深度卷积神经网络模型的粘连柑橘的定位方法

权利要求书

1.一种基于深度卷积神经网络模型的粘连柑橘的定位方法，其特征在于，包括：

S1、采用CCD相机对样本柑橘树进行第一次图像采集，得到第一可见光图像；其中样本柑橘树上没有粘连的柑橘；

S2、对所述第一可见光图像中的柑橘位置进行人工标定，以得到第一训练图像，将所述第一训练图像输入预设的深度卷积神经网络模型中进行训练，以得到第一柑橘定位模型；

S3、对样本柑橘树上的柑橘进行第一摘取并移动处理，使得样本柑橘树中的柑橘位置发生变化，致使样本柑橘树上存在粘连的柑橘，并且粘连的柑橘数量在样本柑橘树上的所有柑橘数量的占比为第一占比数值；其中，在进行第一摘取并移动处理之后，样本柑橘树上的柑橘总数不变；所述第一占比数值大于0且小于1；

S4、采用CCD相机对进行第一摘取并移动处理之后的样本柑橘树进行第二次图像采集，得到第二可见光图像；其中，所述第二次图像采集时的拍摄参数与所述第一次图像采集时的拍摄参数相同；

S5、对所述第二可见光图像中的柑橘位置进行人工标定，以得到第二训练图像，将所述第二训练图像输入所述第一训练图像中进行训练，以得到第二柑橘定位模型；

S6、对样本柑橘树上的柑橘进行第i摘取并移动处理，使得样本柑橘树中的柑橘位置发生变化，致使样本柑橘树上存在粘连的柑橘，并且粘连的柑橘数量在样本柑橘树上的所有柑橘数量的占比为第i占比数值；其中，在进行第i摘取并移动处理之后，样本柑橘树上的柑橘总数不变，而所述第i占比数值大于第i-1占比数值；i为大于等于2且小于等于n的整数，n为预设的大于等于3的整数；所述第i占比数值大于0且小于1；

S7、采用CCD相机对进行第i摘取并移动处理之后的样本柑橘树进行第i+1次图像采集，得到第i+1可见光图像；其中，所述第i+1次图像采集时的拍摄参数与第i次图像采集时的拍摄参数相同；

S8、对所述第i+1可见光图像中的柑橘位置进行人工标定，以得到第i+1训练图像，将所述第i+1训练图像输入第i训练图像中进行训练，以得到第i+1柑橘定位模型；

S9、采用CCD相机对目标柑橘树进行图像采集，得到待定位的可见光图像，将所述待定位的可见光图像输入所述第i+1柑橘定位模型中进行处理，以得到所述第i+1柑橘定位模型输出的初步柑橘定位结果；

S10、根据所述初步柑橘定位结果，获取所述目标柑橘树上粘连的柑橘占比值，并判断所述目标柑橘树上粘连的柑橘占比值是否大于预设的占比阈值；

S11、若所述目标柑橘树上粘连的柑橘占比值大于预设的占比阈值，则将所述初步柑橘定位结果作为最终柑橘定位结果。

2.根据权利要求1所述的基于深度卷积神经网络模型的粘连柑橘的定位方法，其特征在于，所述采用CCD相机对样本柑橘树进行第一次图像采集，得到第一可见光图像的步骤S1，包括：

S101、采用CCD相机对样本柑橘树进行初步图像采集，以得到初步可见光图像；

S102、根据预设的色差图技术和Otsu阈值分割算法，对所述初步可见光图像进行处理，以得到中间可见光图像，再从所述中间可见光图像中分离出第一柑橘果实区域；

S103、生成掩膜图像，以使所述掩膜图像在叠加在所述中间可见光图像上后，仅露出第一柑橘果实区域；

S104、将所述掩膜图像叠加在所述初步可见光图像，以得到所述初步可见光图像中的第二柑橘果实区域；

S105、统计第二柑橘果实区域所有像素点的亮度值，并计算出第二柑橘果实区域的第一亮度平均值；

S106、调取预先采集的成熟柑橘果实的高亮度图像，同时调取所述高亮度图像采集时的环境光亮度值；其中，所述高亮度图像指在对成熟柑橘果实进行图像采集时，成熟柑橘果实所处环境的可见光亮度数值大于预设的亮度阈值，或者所述高亮度图像指在对成熟柑橘果实进行图像采集时，成熟柑橘果实在可见光生成器生成的光线照射之下，并且所述可见光生成器的功率数值大于预设的功率阈值；

S107、根据预设的亮度平均值计算公式，计算出所述高亮度图像的第二亮度平均值；

S108、根据所述环境光亮度值、第一亮度平均值和所述第二亮度平均值，采用retinex模型的第一图像增强算法对初步可见光图像进行亮度调整，从而得到第一可见光图像。