申请/专利权人：河南大学三亚研究院

申请日：2024-01-08

公开（公告）日：2024-03-26

公开（公告）号：CN117765400A

主分类号：G06V20/10

分类号：G06V20/10;G06V20/69;G06V10/74;G06V10/764;G06V10/774

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明公开了一种多方位回归的花生叶片气孔实时无损智能检测方法及系统简称Reg‑PeanutNet。本发明的核心是针对花生气孔和开度的表型特点，以及能获取准确的表型数据供后续对气孔行为及基因型的研究，构建了一种多方位回归的高精度检测花生叶片气孔及开度的实时智能检测识别方法。该方法针对无损方式获取的花生叶片表皮气孔图像数据，通过构建一种多方位回归模型，实现更加精确的花生叶片气孔定位以及气孔密度和开度等表型信息的全自动获取。该方法具有显著的实时性，用户不仅可以便捷地基于基础参数设置快速读取花生气孔表型性状信息，还能根据个人需要通过参数调整模块最大限度地提高识别的准确性和可扩展性。

主权项：1.一种多方位回归的花生叶片气孔实时无损智能检测方法，其特征在于：包括以下步骤：1对原训练集图片以及使用图像增强方法增强后的训练集的图片进行读取和预处理，再分别对两种训练集中的花生叶片图像进行特征提取，获取气孔的表型信息及对边界框进行预测：在边界框回归时，计算每个样本框检测框与真实框的相似程度，即交并比IoU； 其中，检测框和真实框都是带角度信息的矩形框，Sg表示真实框的面积，Sp表示检测框的面积；将平滑L1损失函数与IoU进行组合，对气孔和开度的形态特征信息进行提取，使用平衡参数α调整平滑L1损失函数与IoU损失函数的分配比重，构造多方位回归损失函数Lreg为： 其中，N代表样品的总数，v′nx，y，w，h和vnx，y，w，h分别代表了宽为w，高为h，中心点坐标为x，y的两种框；v′nx，y，w，h，β和vnx，y，w，h，β分别代表第n个检测框和第n个真实框的数据对象；代表对气孔和开度的形态特征信息进行平滑操作的平滑L1损失函数，α为平衡参数，默认设置α＝1.4；如果检测到的区域是背景区域，则obj＝0，即不进行下一步的回归操作；如果检测到的区域是对象，则obj＝1，表示进行后续的回归操作；运用公式2计算得到回归损失函数的值，反复迭代得到最小值；2原训练集训练出的模型称为模型I，使用图像增强方法增强后的训练集训练出的模型称为模型S，对两种训练集的全部图像分别进行训练，计算每次迭代的网络模型的损失函数值，直至损失函数值收敛到最小，即保存当前两种模型和损失函数值最小时的训练权重；3载入训练后的两个模型，使用模型I对测试集中花生叶片图像进行气孔检测，并将气孔的位置图、表型性状和边界框标注的实际情况反馈给用户；4若测试集中的部分图片质量较低，则使用图像增强方法将测试集中的低质量的图片，增强成高质量的图片，并输出高质量的图片；5使用模型S对4中高质量图的花生叶片测试集进行检测，并将气孔的位置图、表型性状和边界框标注的实际情况反馈给用户；6用户参与参数调整，对测试集进行识别：若用户对花生气孔表型性状的检测与识别结果满意，则停止调整参数，计算并得到气孔的尺寸、表型信息，并进行信息显示与识别；若不满意，则根据需要，调整气孔目标最小存在可能性，以及非极大值抑制的大小，并返回步骤3，直至用户满意。

全文数据：

权利要求：

百度查询： 河南大学三亚研究院 多方位回归的花生叶片气孔实时无损智能检测方法及系统

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