基于两阶段分割模型的稻田秧苗杂草茎中心区分定位方法

专利主权项内容

1.基于两阶段分割模型的稻田秧苗杂草茎中心区分定位方法，其特征在于：具体包括以下步骤：步骤S1：搭建图像采集系统，包括计算机和安装在移动平台上的工业相机，利用工业相机在稻田中垂直向下采集不同光照下水稻秧苗杂草图像，并传输至计算机进行分析处理；步骤S2：秧苗杂草植株标签制作，利用Labeling对不同光照条件下秧苗杂草图像数据集进行秧苗杂草植株和背景的人工标注，并划分为训练集和验证集；步骤S3：秧苗杂草图像色彩特征向量提取，在秧苗杂草图像中，通过颜色指数转换公式，将不同光照条件下RGB图像转化为ExG、NDI、VEG、S/V和ExCg图像，以R、G、B、H、S、V、ExG、NDI、VEG、S/V、Cg和ExCg图像对应的颜色特征构成12维特征向量，并采用特征降维方法进行秧苗杂草图像的关键色彩特征参数提取；步骤S4：秧苗杂草植株、背景分割模型构建，结合图像具有的邻域空间一致性和二分类模型，构建具有邻域空间一致性约束的秧苗杂草植株、背景分割模型，并以秧苗杂草植株训练集图像对应的颜色特征分量作为分割模型输入，并以对应的秧苗杂草植株标签图为监督，训练分割模型，并基于验证集图像的分类结果优化分割模型参数；步骤S5：秧苗杂草的茎中心数据集制作，对另采集的秧苗杂草图像进行数据增强，基于步骤S4的分割模型实现图像中秧苗杂草植株、背景像素的分类，获取秧苗杂草植株二值图像，以其作为秧苗杂草图像的掩膜，分别标记秧苗、杂草的茎中心；步骤S6：基于实例分割模型Mask R-CNN和注意力机制，在秧苗杂草植株、背景分割结果基础上，实现稻田秧苗杂草茎中心区分定位；步骤S7：定义稻田秧苗杂草茎中心区分定位模型的损失函数，并将上述制作的秧苗杂草的茎中心数据集按照一定比例划分为训练集、验证集和测试集，采用训练集和验证集，对所述的稻田秧苗杂草茎中心区分定位模型进行训练，结合测试集进行模型性能的评估。