买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽农业大学

摘要：本发明公开了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，通过构建不同光照条件下多种图像色彩特征组合和空间约束的稻田秧苗杂草植株分割模型，实现图像中植株与背景的分割，并在此基础上，在实例分割模型MaskR‑CNN的图像特征提取层引入注意力机制，实现稻田秧苗杂草茎中心的区分定位模型，基于注意力机制探索具有灵敏的表达能力的特征提取器设计的同时，使网络能够自动学习到每个特征的重要程度，关注与目标相关的特征而抑制与目标不相关的特征，从而实现秧苗与杂草茎中心的区分定位，为除草机械除去株间杂草提供有效支撑，具有提高除草机构自动定位杂草的准确性和除草机构的作业质量。

主权项：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、SV和ExCg图像，以R、G、B、H、S、V、ExG、NDI、VEG、SV、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MaskR-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；所述步骤S3中，秧苗杂草图像色彩特征向量提取，通过颜色指数转换公式，在RGB色彩空间中提取ExG、NDI、VEG图像，并将RGB图像转化到符合人眼视觉特性的HSV色彩空间，提取SV图像，将RGB图像转化到YCrCb空间，提取ExCg图像，其中，ExG、NDI、VEG、ExCg的计算公式如下： ExCg＝2Cg-Cr-Cb； 所述步骤S3中，秧苗杂草图像色彩特征提取，运用Pearson相关性分析算法对12维特征向量[R,G,B,H,S,V,ExG,NDI,VEG,SV,Cg,ExCg]进行相关系数计算，保留强相关的特征参数，其中，任两个特征的相关系数计算公式如下： 式中：Xk和Yk分别是特征X、Y的第k个数据；M为特征中总的数据量；所述步骤S4中，秧苗杂草植株、背景分割模型构建,基于图像空间邻域像素的相似程度和支持向量机SVM分类模型，构建邻域空间一致性约束的秧苗杂草植株、背景分割模型，对于图像中任一像素点x，其n邻域表示为Nnx，计算像素点x与其邻域Nnx像素的相似程度Sjx,xj，其计算公式如下： 式中：ηc是像素x灰度值；ηi是x邻域像素灰度值；ηij是邻域Nnx中第j个像素的n邻域像素i像素值；ηcj是邻域Nnx中第j个像素的n邻域像素c像素值；N是邻域像素个数；基于邻域相似度设置像素邻域空间信息融合权重，并将像素邻域空间信息融合到SVM分类模型中，SVM分类模型计算公式如下： 式中：α表示拉格朗日系数；m是数据集个数；σ为方差；yt为样本图像对应的类别标签，植株和背景；yl为样本图像对应的类别数量；Ftx为具有邻域空间约束的像素x的特征向量，像素x的特征向量定义为ftx，Flx为具有邻域空间约束的像素i的特征向量，则Ftx计算公式如下： 所述步骤S6中，构建稻田秧苗杂草茎中心区分定位模型；在实例分割模型MaskR-CNN的图像特征提取层引入注意力机制，构建注意力机制引导的特征学习模块，特征学习模块由上层位置注意力机制PAM与下层通道注意力机制CAM构成，其中，PAM和CAM定义如下： 式中：和分别表示对输入特征图像进行平均池化、最大池化后的特征图；在位置注意力机制中，进行维度拼接后，经7×7的卷积层生成位置注意力图AttentionPAMF；在通道注意力机制中，和经具有隐藏层的多层感知机MLP组成的共享网络，通过按位加法融合输出特征向量，从而生成通道注意力图AttentionCAMF；W0和W1为MLP的权重尺寸；Sig表示Sigmoid函数。

全文数据：

权利要求：

百度查询： 安徽农业大学 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