(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111680911.X (22)申请日 2021.12.3 0 (71)申请人 广西慧云信息技 术有限公司 地址 530007 广西壮 族自治区南宁市高新 区创新路23号9号楼三层 (72)发明人 苏家仪　王筱东　韦光亮　申智辉　 顾小宁　刘志斌　 (74)专利代理 机构 南宁东之智专利代理有限公 司 45128 专利代理师 张丽媛 (51)Int.Cl. G06V 20/68(2022.01) G06V 10/26(2022.01) G06V 10/422(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06V 10/70(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/04(2006.01) (54)发明名称 一种阳光玫瑰葡萄果实大小粒图像识别方 法 (57)摘要 本发明公开一种阳光玫瑰葡萄果实大小粒 图像识别方法， 包括以下步骤： （1） 图片数据集制 作： 收集阳光玫瑰葡萄果穗图片数据， 并对阳光 玫瑰葡萄果穗图片数据中的果粒进行实例分割 标注后， 按一定比例划分为训练集、 验证集与测 试集； （2） 机器学习模型数据处理： （3） 机器学习 模型训练； （4） 构建实例 分割网络； （5） 构建损失 函数； （6） 实例分割模型训练； （7） 模型推理： 得到 大小粒分类结果。 本发明利用实例分割 与机器学 习算法， 满足阳光玫瑰葡萄的大规模 快速测量需 求， 同时可对果粒指标进行量化， 提升识别准确 率。 权利要求书2页 说明书5页 附图1页 CN 114511850 A 2022.05.17 CN 114511850 A 1.一种阳光 玫瑰葡萄果实大小粒图像识别方法， 其特 征在于： 包括以下步骤： (1)图片数据集制作： 收集阳光玫瑰葡萄果穗图片数据， 并对阳光玫瑰葡萄果穗图片数 据中的果粒进行实例分割标注后， 按一定比例划分为训练集、 验证集与测试集； (2)机器学习模型数据处理： 针对训练集、 验证集分别进行数据统计与机器学习模型特 征值计算， 标注人员通过结合阳光玫瑰葡萄果穗图片与计算好的特征值， 判断该阳光玫瑰 葡萄果穗图片是否为大小粒， 得到机器学习训练集与机器学习验证集； 机器学习训练集用 于机器学习模型训练， (5)构建损失函数： 采用Dice  Loss损失函数用于步骤(4)中掩码学习 的监督， Focal  Loss损失函数用于步骤(4)中分类学习的监督， 对Dice  Loss损失函数和 Focal Loss损失函数进行加权得到最终的损失函数； 机器学习验证集用于中间模型验证与最佳模型选取。 (3)机器学习模型训练： 步骤(2)中处理好的机器学习训练集输入至XGBoost模型进行 训练， 训练过程中， 将机器学习验证集输入至训练好的模型进行验证； (4)构建实例分割网络； 所述实例分割网络用于背景或果粒的分类学习， 能够定位出果 粒位置， 并提取 出果粒掩码， 进行掩码学习； (5)构建损失函数： 采用Dice  Loss损失函数用于步骤(4)中掩码学习的监督， Focal   Loss损失函数用于步骤(4)中分类学习的监督， 对Dice  Loss损失函数和Focal  Loss损失函 数进行加权得到最终的损失函数； (6)实例分割模型训练： 将训练集输入至步骤(4)中的实例分割网络， 采用步骤(5)中的 损失函数进行监督训练， 每一轮训练完成后输出一个中间模型， 将验证集输入至训练好的 中间模型进行验证， 获得模型参数， 训练结束后选取准确率 最高的模型作为 最佳模型； (7)模型推理： 将步骤(6)中训练好的模型参数加载至步骤(4)实例分割网络， 并将步骤 (1)中测试集的阳光玫瑰葡萄果穗图片依 次输入至实例分割网络进行推理， 得到实例分割 结果； 对实例分割结果进 行数据统计与特征选择， 最后特征输入到步骤(3)训练好的机器学 习模型， 得到大小粒分类结果。 2.根据权利要求1所述的一种阳光玫瑰葡萄果实大小粒图像识别方法， 其特征在于： 所 述步骤(1)中， 按0.8 :0.1:0.1的比例划分训练集、 验证集与测试集。 3.根据权利要求1所述的一种阳光玫瑰葡萄果实大小粒图像识别方法， 其特征在于： 所 述步骤(2)中， 特征值包括果粒数量、 果粒横径方差、 果粒纵径方差、 果形指数方差和果粒面 积方差。 4.根据权利要求1所述的一种阳光玫瑰葡萄果实大小粒图像识别方法， 其特征在于： 所 述步骤(4)中， 实例分割网络由输入层、 全 卷积网络、 分类分支、 分类特征图、 语义类别、 掩码 分支、 掩码特 征图、 实例掩码、 特 征图映射、 输出层构成。 5.根据权利要求1所述的一种阳光玫瑰葡萄果实大小粒图像识别方法， 其特征在于： 步 骤(5)中， 所述Dice  Loss损失函数为： 其中， x表示输入样本， fi(x)表示第i个类别的预测结果， yi表示第i个类别对应的真实 标签。 6.根据权利要求1所述的一种阳光玫瑰葡萄果实大小粒图像识别方法， 其特征在于： 步权　利　要　求　书 1/2 页 2 CN 114511850 A 2骤(5)中， Focal  Loss损失函数为： Focal Loss＝‑αt(1‑pt)γlog pt； 其中， pt表示模型预测概率， αt表示类别权重， 设为0.25， γ表示难易样本调节参数， 设 为2。 7.根据权利要求1所述的一种阳光玫瑰葡萄果实大小粒图像识别方法， 其特征在于： 所 述步骤(5)中， Dice  Loss与Focal  Loss加权后的损失函数为： Loss＝ λ(Dice  Loss)+(1‑λ )(Focal  Loss)； 其中， λ表示权 重参数， λ 设置为0.5 。 8.根据权利要求1所述的一种阳光玫瑰葡萄果实大小粒图像识别方法， 其特征在于： 所 述步骤(6)中， 将训练集输入至步骤(4)中的实例分割网络后， 还使用SGD优化器， 学习 率设 置为0.01进行训练。权　利　要　求　书 2/2 页 3 CN 114511850 A 3