[发明专利]一种基于Haar分类器算法的果树剪枝评价方法

说明书

本发明公开了一种基于Haar分类器算法的果树剪枝评价方法，涉及果树剪枝技术领域，具体为S1、Haar‑like特征检测；S2、积分图算法加速和S3、级联分类器。该基于Haar分类器算法的果树剪枝评价方法，将Haar分类器的图像识别特性应用到了苹果树的剪枝效果判断中，通过采集装置采集果树图片，计算特征值和积分图，筛选出T个优秀的特征值(即最有弱分类器)，把这个T个最优弱分类器传给AdaBoost进行训练得到一个强分类器，将强分类器进行级联，对果树是否裁剪进行正确判断，得到最终的预测值返回给使用者，保证对于剪枝效果判断的准确性和实时性。

技术领域

本发明涉及果树剪枝技术领域，具体为一种基于Haar分类器算法的果树剪枝评价方法。

背景技术

果树剪枝技术可分为机械剪枝和虚拟剪枝。其中，机械剪枝通过复杂的剪枝机械来代替人工劳动实现树木的自动化或者半自动化剪枝，可有效解决人工劳动强度大效率低的问题，但是这种剪枝方法只适用于果树的粗剪，难以达到精细化修剪的要求，影响剪枝效果。而虚拟剪枝则能够通过构建虚拟的果树生长空间，模拟果树的生长环境以及生物信息，做出科学的剪枝决策，这种剪枝技术能够有效克服机械剪枝的高破坏性和不可逆性。

现有的虚拟剪枝是通过人工智能技术实现智能化剪枝，但目前为止该技术的决策研究仍是不足，无法保证对于剪枝效果判断的准确性和实时性，为此，我们推出了一种基于Haar分类器算法的果树剪枝评价方法。

发明内容

针对现有技术的不足，本发明提供了一种基于Haar分类器算法的果树剪枝评价方法，解决了上述背景技术中提出现有的虚拟剪枝是通过人工智能技术实现智能化剪枝，但目前为止该技术的决策研究仍是不足，无法保证对于剪枝效果判断的准确性和实时性的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于Haar分类器算法的果树剪枝评价方法，包括下述操作步骤：

S1、Haar-like特征检测：

先通过采集装置采集果树图片，再使用Haar-like特征做检测；

S2、积分图算法加速：

使用积分图算法对Haar-like特征求值进行加速；

S3、级联分类器：

使用AdaBoost算法训练来区分目标和非目标的强分类器，最后使用筛选式级联把强分类器级联到一起，保证对于剪枝效果判断的准确性和实时性。

可选的，所述S1步骤中，使用Haar-like特征做检测的具体公式如下:

Haar特征值归一化

计算检测窗口图像的灰度值和灰度值平方和：

sum＝∑i(x，y)

sqsum＝∑i²(x，y)

计算平均值

计算归一化因子

归一化特征值

之后使用归一化的特征值normValue与阈值对比。

可选的，所述S2步骤中，积分图算法主要思想是将图片从起点开始到各个点所形成的矩阵区域像素之和作为一个数组的元素保存在内存中，当要计算某个区域的像素和时可以直接索引数组的元素，不用重复计算这个区域的像素和，从而加快了运算。