一种基于深度学习与图像处理结合的葡萄果梗识别方法
基本信息
| 申请号 | CN202210358217.4 | 申请日 | - |
| 公开（公告）号 | CN114693658A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114693658A | 申请公布日 | 2022-07-01 |
| 分类号 | G06T7/00（2017.01）I;G06T7/11（2017.01）I;G06T7/70（2017.01）I;G06V10/25（2022.01）I;G06V10/26（2022.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 何季刚;高宏力;曹洋;由智超;郭亮;李世超;邓斌;陈昱呈 | 申请（专利权）人 | 西南交通大学 |
| 代理机构 | 成都正象知识产权代理有限公司 | 代理人 | - |
| 地址 | 610031四川省成都市二环路北一段 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习与图像处理结合的葡萄果梗识别方法，包括以下步骤：步骤一，采集果梗图片数据；步骤二，获取果梗识别模型；步骤三，获取果梗区域坐标；步骤四，图像处理；步骤五，获取果梗坐标；所述步骤一中，使用Intel RealSense系列相机采集带有果梗的葡萄生长图片；所述步骤二中，采用Pytorch神经网络框架进行yolov5模型的训练；所述步骤四中，可以通过grabcut分割算法来提高图像分割的效果；本发明通过葡萄果梗识别模型可以实现对葡萄果梗的自动识别，通过结合图像处理技术，解决自然果园场景下葡萄果梗因光照强度不同、枝叶遮挡等因素导致识别困难的问题，相较于现有的葡萄果梗识别方法，有效地提高了识别的成功率和识别精度。 |
