[发明专利]一种基于深度学习的采茶机茶叶芽尖检测方法

权利要求书

1.一种基于深度学习的采茶机茶叶芽尖检测方法，其特征在于，包括如下步骤：

步骤1：使用分段采茶机构进行茶叶图像采集；

步骤2：对步骤1采集到图像进行数据集增强操作，扩大数据集数量，人为对扩大后数据集中的每个图像的芽尖位置进行标注，并对标注后的数据集进行划分，划分为训练集与测试集；

步骤3：将步骤2中的训练集放入改进的YOLOv4网络进行训练；

步骤4：利用步骤3中训练好的模型对步骤2中测试集进行预测，获得芽尖的预测框；

步骤5：对步骤4得到的预测框中的嫩芽，进行图像分割与凸包检测获得采摘点坐标。

2.根据权利要求1所述的基于深度学习的采茶机茶叶芽尖检测方法，其特征在于，所述步骤1具体包括：利用分段式采茶机构将茶叶进行分段处理，并采用工业相机进行图像拍摄采集。

3.根据权利要求2所述的基于深度学习的采茶机茶叶芽尖检测方法，其特征在于，所述步骤2具体包括：对采集到的图像进行-20度到20度的随机图像旋转，将数据集的图像数量扩大，将数据集按照9：1的比例划分为训练集与测试集。

4.根据权利要求3所述的基于深度学习的采茶机茶叶芽尖检测方法，其特征在于，所述步骤3具体包括：将训练集尺寸设为416×416像素，输入改进的YOLOv4网络进行模型训练，得到训练好的模型，评估模型效果。

5.根据权利要求4所述的基于深度学习的采茶机茶叶芽尖检测方法，其特征在于，使用CIOU损失函数评估模型效果。

6.根据权利要求4所述的基于深度学习的采茶机茶叶芽尖检测方法，其特征在于，所述步骤4具体包括：输入测试集中的图像进入训练好的模型，模型对图像进行自适应对比度加强处理，然后进行茶叶芽尖检测，获得茶叶芽尖的预测框。

7.根据权利要求6所述的基于深度学习的采茶机茶叶芽尖检测方法，其特征在于，所述步骤5具体包括：将上述预测框裁剪，得到只有嫩芽的目标区域图像，将上述目标区域图像进行HSV图像分割得到二值化图像，对二值化图像进行凸包检测得到轮廓与图像边框交线，计算出采摘点坐标。

8.根据权利要求7所述的基于深度学习的采茶机茶叶芽尖检测方法，其特征在于，每条交线的中点即为采摘点的坐标。