公开(公告)号：CN117576466A

公开(公告)日：2024-02-20

申请号：CN202311560217.3

申请日：2023-11-22

Applicant: 安徽大学

Inventor： 沈瓒骏 ,  李士昌 ,  侯芷萌 ,  陈宗业 ,  高振越 ,  张子茜 ,  方舒娴 ,  朱彩青 ,  叶佳怡

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/25 ,  G06V10/82 ,  G06V20/68 ,  G06V10/40 ,  G06V10/24 ,  G06V10/20 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明涉及一种基于多源图像的果实损伤类别与区域识别方法，包括：搭建可见光和IR成像系统；通过可见光和IR成像系统进行果实图像采集与处理，获得多模态图像数据集，将多模态图像数据集划分为训练集、验证集和测试集；对DeepLabv3深度学习模型进行改进，得到ADS‑DeepLabv3+网络模型；采用训练集对ADS‑DeepLabv3+网络模型进行训练，将待识别的果实图像输入训练后的ADS‑DeepLabv3+网络模型，得到果实损伤类型和区域。本发明能够更好地获取果实“反—透”射特性，提高检测准确性，具有更好的适应性和抗干扰性；ADS‑DeepLabv3+网络模型通过融入特征金字塔网络和卷积注意模块来提高小目标损伤的识别能力，结合Dice_Loss和Focal_loss的损失函数得到的混合损失函数提高了对难区分样本的预测能力。