申请/专利权人：南京理工大学

申请日：2023-07-28

公开（公告）日：2024-01-09

公开（公告）号：CN117372740A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06T7/00;G06V10/82;G06N3/0464;G06N3/08;G06V10/42

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本发明公开了一种基于多信息融合的茶叶嫩梢采摘部位精准识别方法，具体包括：利用图像采集设备采集自然环境下茶树嫩梢的RGB图片和深度信息，并对每张茶叶嫩梢原始图像依据角点、颜色渐变、纹理特点综合选取特征进行数据标注制作数据集；通过引入密集连接模块DenseNet单元和注意力机制，并采用加权NMS改进检测网络模型；将待检测的茶叶嫩梢图像输入训练后的关键点检测模型，得到茶叶嫩梢检测框和嫩梢的关键点位置；然后对茶叶嫩梢检测框里的茶叶嫩梢进行图像分割，并求取轮廓最低点；最后根据茶叶生长特点和茶叶采摘需求，结合得到的关键点和轮廓最低点求取茶叶嫩梢采摘点位置。该方法大大提高了茶叶嫩梢采摘部位的定位精度。

主权项：1.一种基于多信息融合的茶叶嫩梢采摘部位精准识别方法，其特征在于，所述方法包括以下步骤：步骤1，采集大量茶叶嫩梢原始数据，包括RGB图像和深度图像；步骤2，依据角点、颜色渐变、纹理特点综合选取特征，对茶叶嫩梢图像进行数据标注，得到茶叶嫩梢关键点检测数据集；步骤3，搭建关键点检测网络模型，并利用所述茶叶嫩梢关键点检测数据集对关键点检测网络模型进行训练；步骤4，将待检测的茶叶嫩梢图像输入训练后的关键点检测网络模型，得到茶叶嫩梢检测框和茶叶嫩梢的关键点位置；步骤5，对步骤4得到的茶叶嫩梢检测框进行裁剪得到茶叶嫩梢图，之后采用图像分割算法对裁剪后的茶叶嫩梢图进行轮廓分割，并获取轮廓最低点；步骤6，根据茶叶生长特点和茶叶采摘需求，结合步骤4得到的关键点和步骤5得到的轮廓最低点求取茶叶嫩梢采摘点位置。

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于多信息融合的茶叶嫩梢采摘部位精准识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD