果实处理方法、装置、电子设备及计算机可读存储介质与流程

1.本发明涉及计算机领域，具体而言，涉及一种果实处理方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.相关技术中对预定果蔬果实进行检测时，仅针对单个的预定果蔬果实进行检测处理，存在检测不全面的技术问题。
3.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

4.本发明实施例提供了一种果实处理方法、装置、电子设备及计算机可读存储介质，以至少解决相关技术中对预定果蔬果实进行检测时，针对单个预定果蔬果实进行检测，导致的预定果蔬果实检测不全面的技术问题。
5.根据本发明实施例的一个方面，提供了一种果实处理方法，包括：获取目标图像，其中，所述目标图像中包括单个预定果蔬果实与堆叠预定果蔬果实；在所述目标图像中确定出所述单个预定果蔬果实的第一果实边缘与所述堆叠预定果蔬果实的第二果实边缘；依据所述第一果实边缘与所述第二果实边缘，分割出多个预定果蔬果实图像，其中，所述多个预定果蔬果实图像中任意一个预定果蔬果实图像都包括一个目标预定果蔬果实，所述多个预定果蔬果实图像中包括的目标预定果蔬果实不重复；依据所述多个预定果蔬果实图像，在多个目标预定果蔬果实中确定出成熟预定果蔬果实。
6.可选地，所述依据所述多个预定果蔬果实图像，在多个目标预定果蔬果实中确定出成熟预定果蔬果实，包括：获取所述多个预定果蔬果实图像的像素数据；依据所述多个预定果蔬果实图像的像素数据，确定所述多个目标预定果蔬果实对应的多个预定果蔬成熟度，其中，所述多个目标预定果蔬果实与所述多个预定果蔬成熟度一一对应；确定预定果蔬成熟度大于第一预定阈值的目标预定果蔬果实为成熟预定果蔬果实。
7.可选地，所述依据所述多个预定果蔬果实图像，在多个目标预定果蔬果实中确定出成熟预定果蔬果实，包括：依据所述多个预定果蔬果实图像，确定出所述多个目标预定果蔬果实对应的多个目标预定果蔬果实完整度；从目标预定果蔬完整度大于第二预定阈值的目标预定果蔬果实中确定出成熟预定果蔬果实。
8.可选地，所述依据所述多个预定果蔬果实图像，确定出所述多个目标预定果蔬果实对应的多个目标预定果蔬果实完整度，包括：确定非完整预定果蔬果实图像，其中，所述非完整预定果蔬果实图像为所述多个预定果蔬果实图像中图像边缘存在角的预定果蔬果实图像；补全所述非完整预定果蔬果实图像，得到补全预定果蔬果实图像；依据所述非完整预定果蔬果实图像以及所述补全预定果蔬果实图像，确定出所述非完整预定果蔬果实图像对应的目标预定果蔬果实完整度。
9.可选地，所述在所述目标图像中确定出所述单个预定果蔬果实的第一果实边缘与
所述堆叠预定果蔬果实的第二果实边缘，包括：依据所述目标图像，截取果实图像，其中，所述果实图像包括单个预定果蔬果实图像与堆叠预定果蔬果实图像；确定所述单个预定果蔬果实图像中单个预定果蔬果实的第一果实边缘与所述堆叠预定果蔬果实图像中堆叠预定果蔬果实的第二果实边缘。
10.可选地，所述确定所述堆叠预定果蔬果实图像中堆叠预定果蔬果实的第二果实边缘，包括：调节所述堆叠预定果蔬果实图像的图像色度数据；依据调节图像色度数据后的堆叠预定果蔬果实图像，确定所述堆叠预定果蔬果实图像中堆叠预定果蔬果实的第二果实边缘。
11.可选地，还包括：确定目标预定果蔬果实图像的目标二维位置，其中，所述目标预定果蔬果实图像为所述成熟预定果蔬果实对应的预定果蔬果实图像；依据所述目标二维位置，确定出所述成熟预定果蔬果实的目标三维位置；发送摘取指令至预定终端，以使所述预定终端摘取所述目标三维位置处的所述成熟预定果蔬果实。
12.根据本发明实施例的一个方面，提供了一种果实处理装置，包括：获取模块，用于获取目标图像，其中，所述目标图像中包括单个预定果蔬果实与堆叠预定果蔬果实；第一确定模块，用于在所述目标图像中确定出所述单个预定果蔬果实的第一果实边缘与所述堆叠预定果蔬果实的第二果实边缘；分割模块，用于依据所述第一果实边缘与所述第二果实边缘，分割出多个预定果蔬果实图像，其中，所述多个预定果蔬果实图像中任意一个预定果蔬果实图像都包括一个目标预定果蔬果实，所述多个预定果蔬果实图像中包括的目标预定果蔬果实不重复；第二确定模块，用于依据所述多个预定果蔬果实图像，在多个目标预定果蔬果实中确定出成熟预定果蔬果实。
13.根据本发明实施例的一个方面，提供了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现上述任一项所述的果实处理方法。
14.根据本发明实施例的一个方面，提供了一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项所述的果实处理方法。
15.在本发明实施例中，获取包括单个预定果蔬果实与堆叠预定果蔬果实的目标图像，在目标图像中确定出单个预定果蔬果实的第一果实边缘与堆叠预定果蔬果实的第二果实边缘，从而依据第一果实边缘与第二果实边缘，分割出多个预定果蔬果实图像，其中，多个预定果蔬果实图像中任意一个预定果蔬果实图像都包括一个目标预定果蔬果实，多个预定果蔬果实图像中包括的目标预定果蔬果实不重复，即每一个目标预定果蔬果实都有且仅有一张对应的预定果蔬果实图像，进而依据多个预定果蔬果实图像，在多个目标预定果蔬果实中确定出成熟预定果蔬果实。因为在目标图像的检测时，是确定通过确定果实边缘来进一步分割出多个预定果蔬果实图像进行后续处理的，因此，考虑到了在种植预定果蔬果实的场景中，存在单个预定果蔬果实，或成串、堆叠状的预定果蔬果实的情况，在对预定果蔬果实进行检测时，考虑了多方面的内容，进而解决了相关技术中对预定果蔬果实进行检测时，针对单个预定果蔬果实进行检测，导致的预定果蔬果实检测不全面的技术问题。
附图说明
16.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
17.图1是根据本发明实施例的果实处理方法的流程图；
18.图2是本发明可选实施方式中提供的番茄果实检测方法的流程图；
19.图3是根据本发明实施例的果实处理装置的结构框图。
具体实施方式
20.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
21.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
22.实施例1
23.根据本发明实施例，提供了一种果实处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
24.图1是根据本发明实施例的果实处理方法的流程图，如图1所示，该方法包括如下步骤：
25.步骤s102，获取目标图像，其中，目标图像中包括单个预定果蔬果实与堆叠预定果蔬果实；
26.步骤s104，在目标图像中确定出单个预定果蔬果实的第一果实边缘与堆叠预定果蔬果实的第二果实边缘；
27.步骤s106，依据第一果实边缘与第二果实边缘，分割出多个预定果蔬果实图像，其中，多个预定果蔬果实图像中任意一个预定果蔬果实图像都包括一个目标预定果蔬果实，多个预定果蔬果实图像中包括的目标预定果蔬果实不重复；
28.步骤s108，依据多个预定果蔬果实图像，在多个目标预定果蔬果实中确定出成熟预定果蔬果实。
29.通过上述步骤，获取包括单个预定果蔬果实与堆叠预定果蔬果实的目标图像，在目标图像中确定出单个预定果蔬果实的第一果实边缘与堆叠预定果蔬果实的第二果实边缘，从而依据第一果实边缘与第二果实边缘，分割出多个预定果蔬果实图像，其中，多个预
定果蔬果实图像中任意一个预定果蔬果实图像都包括一个目标预定果蔬果实，多个预定果蔬果实图像中包括的目标预定果蔬果实不重复，即每一个目标预定果蔬果实都有且仅有一张对应的预定果蔬果实图像，进而依据多个预定果蔬果实图像，在多个目标预定果蔬果实中确定出成熟预定果蔬果实。因为在目标图像的检测时，是确定通过确定果实边缘来进一步分割出多个预定果蔬果实图像进行后续处理的，因此，考虑到了在种植预定果蔬果实的场景中，存在单个预定果蔬果实，或成串、堆叠状的预定果蔬果实的情况，在对预定果蔬果实进行检测时，考虑了多方面的内容，进而解决了相关技术中对预定果蔬果实进行检测时，针对单个预定果蔬果实进行检测，导致的预定果蔬果实检测不全面的技术问题。
30.需要说明的是，上述预定果蔬果实可以是符合预定规则的水果果实或者蔬菜果实，预定果蔬果实与预定规则均可以根据实际的应用和场景进行自定义的设置。例如，预定规则可以为圆状果蔬果实。此时，预定果蔬可以为番茄，苹果等。
31.作为一种可选的实施例，获取包括单个预定果蔬果实与堆叠预定果蔬果实的目标图像，其中，目标图像可以是通过双目深度相机拍摄得到的，例如，oak-d深度相机，双目深度相机是通过相机上的两个摄像头，类似于人眼的结构，一左一右，这两台相机在同一个y轴和z轴上，只有x轴上一段距离差，通过两个相机的视差来计算出深度图像的x、y、z轴坐标。通过使用双目深度相机，不仅能够很到地获取清晰的预定果蔬图像，使得后续预定果蔬果实的二维位置识别更加精准，而且，双目深度相机于固定位置处，后续在二维位置转换成三维位置时，能够更加准确，快速，提高采摘效率。
32.作为一种可选的实施例，在目标图像中确定出单个预定果蔬果实的第一果实边缘与堆叠预定果蔬果实的第二果实边缘。通过确定出果实边缘，能够较好地针对预定果蔬果实进行处理，排除目标图像中其他的影响因素，使得处理能够更加精准。
33.需要说明的是，在目标图像中确定出第一果实边缘与第二果实边缘的过程中，可以是直接从目标图像中确定第一果实边缘与第二果实边缘，也可以是对目标图像中单个预定果蔬果实与堆叠预定果蔬果实的目标预定果蔬检测，截取包括单个预定果蔬果实图像与堆叠预定果蔬果实图像的果实图像，确定单个预定果蔬果实图像中单个预定果蔬果实的第一果实边缘与堆叠预定果蔬果实图像中堆叠预定果蔬果实的第二果实边缘。
34.可选地，在对目标图像中单个预定果蔬果实与堆叠预定果蔬果实的目标预定果蔬检测，截取果实图像时，可以采用目标检测模型来对目标图像进行检测，即只需将包括单个预定果蔬果实与堆叠预定果蔬果实的目标图像输入至预定果蔬果实对应的目标检测模型中，即可得出目标图像中单个预定果蔬果实与堆叠预定果蔬果实。通过使用目标检测模型，判断目标图像中是否包含有符合要求的类别，如果存在，则输出一系列带有置信度的标签，来指示单个预定果蔬果实与堆叠预定果蔬果实在目标图像中的概率，在概率超过一定值后，认为目标图像中包含有符合要求的类别，输出包括单个预定果蔬果实图像与堆叠预定果蔬果实图像的果实图像。
35.可选地，在确定单个预定果蔬果实图像中单个预定果蔬果实的第一果实边缘与堆叠预定果蔬果实图像中堆叠预定果蔬果实的第二果实边缘时，可以采用不同的方式分别对单个预定果蔬果实图像与堆叠预定果蔬果实图像进行处理。例如，在确定单个预定果蔬果实图像中单个预定果蔬果实的第一果实边缘时，可以直接通过语义分割的方式对单个预定果蔬果实图像进行针对性地处理。在确定堆叠预定果蔬果实图像中堆叠预定果蔬果实的第
二果实边缘时，可以使用语义分割的方式提取出堆叠预定果蔬果实中每个预定果蔬果实的边缘。也可以使用语义分割的方式先提取出堆叠预定果蔬果实中整个堆叠预定果蔬果实的轮廓，再调节堆叠预定果蔬果实图像的图像色度数据，依据调节图像色度数据后的堆叠预定果蔬果实图像，确定堆叠预定果蔬果实图像中堆叠预定果蔬果实的第二果实边缘。即通过图像色度数据调整后，堆叠在一起的预定果蔬果实的像素值能够有较大明显的区分，在该情况下，可以更好地在整个堆叠预定果蔬果实的轮廓中确定出每个预定果蔬果实的边缘。
36.作为一种可选的实施例，依据第一果实边缘与第二果实边缘，分割出多个预定果蔬果实图像，其中，多个预定果蔬果实图像中任意一个预定果蔬果实图像都包括一个目标预定果蔬果实，多个预定果蔬果实图像中包括的目标预定果蔬果实不重复。即每一个目标预定果蔬果实都有且仅有一张对应的预定果蔬果实图像。需要说明的是，在依据第一果实边缘与第二果实边缘，分割出多个预定果蔬果实图像，分割出的预定果蔬果实图像可以分为只包括预定果蔬果实的不规则图像，也可以为除预定果蔬果实之其他区域都是黑色的规则图像。
37.可选地，为不规则图像时，对于单个预定果蔬果实图像，仅分割预定果蔬果实的果实边缘之内的图像。对于堆叠预定果蔬果实图像，可以在遍历时生成仅包括某个预定果蔬果实的果实边缘之内图像，也就针对每个预定果蔬果实生成一个新的只有预定果蔬果实的果实边缘之内的图像
38.可选地，为规则图像时，对于单个预定果蔬果实图像，将预定果蔬果实边缘之外的像素点设为0(黑色)。对于堆叠预定果蔬果实图像，可以在遍历时生成除某个预定果蔬果实之外的其他区域像素全设为0，也就针对每个预定果蔬果实生成一个新的只有预定果蔬果实部分区域是带rgb值，其他部分都是黑色的图像。
39.作为一种可选的实施例，依据多个预定果蔬果实图像，在多个目标预定果蔬果实中确定出成熟预定果蔬果实。在确定出成熟预定果蔬果实之前，可以先确定预定果蔬果实完整度。例如，可以通过如下方式，依据多个预定果蔬果实图像，确定出多个目标预定果蔬果实对应的多个目标预定果蔬果实完整度，从目标预定果蔬完整度大于第二预定阈值的目标预定果蔬果实中确定出成熟预定果蔬果实。具体地，可以使用resnet-101对分割出来的多个预定果蔬果实图像进行二分类，确定出目标预定果蔬完整度。通过该方式，对预定果蔬果实完整性做了识别，避免了因为预定果蔬果实重叠造成的果实遮挡而对预定果蔬果实成熟度识别造成误差，保证了预定果蔬果实识别的精度。
40.作为一种可选的实施例，在确定预定果蔬果实完整度时，也存在多种方式，例如，采用如下方式：确定非完整预定果蔬果实图像，其中，非完整预定果蔬果实图像为多个预定果蔬果实图像中图像边缘存在角的预定果蔬果实图像，其中，在不规则图像中，图像边缘存在角即指的是不规律图像的边缘角，在规则图像中，图像边缘存在角即指的是待rgb值的图像部分中存在角；补全非完整预定果蔬果实图像，得到补全预定果蔬果实图像；依据非完整预定果蔬果实图像以及补全预定果蔬果实图像，确定出非完整预定果蔬果实图像对应的目标预定果蔬果实完整度。即可以计算补全部分与未补全之前部分的面积比例，从而能够确定出预定果蔬果实完整度，提高了预定果蔬果实计算的准确性。
41.作为一种可选的实施例，在依据多个预定果蔬果实图像，在多个目标预定果蔬果
实中确定出成熟预定果蔬果实之后，还包括了摘取成熟预定果蔬果实的步骤，即可以确定目标预定果蔬果实图像的目标二维位置，其中，目标预定果蔬果实图像为成熟预定果蔬果实对应的预定果蔬果实图像；依据目标二维位置，确定出成熟预定果蔬果实的目标三维位置；发送摘取指令至预定终端，以使预定终端摘取目标三维位置处的成熟预定果蔬果实。其中，所述预定终端可以为能够摘取预定果蔬果实的机器，例如机械臂。通过该可选实施例，实现了预定果蔬果实空间定位摘取的一体化设置，使得本方案更加全面，智能，更具实用性。
42.基于上述实施例及可选实施例，提供了一种可选实施方式，下面具体说明。
43.本发明可选实施方式中提供了一种番茄果实检测方法，是一种集番茄果实检测、番茄果实成熟度检测、番茄果实空间定位于一体的方法。图2是本发明可选实施方式中提供的番茄果实检测方法的流程图，如图2所示，下面进行具体说明：
44.s1，获取种植番茄场景中的番茄果实图像；
45.其中，番茄果实图像可以由居于固定位置处双目深度相机获取，通过固定位置处的双目深度相机获取番茄果实图像，不仅能够很到地获取清晰的番茄图像，使得后续番茄果实的二维位置识别更加精准，而且，双目深度相机于固定位置处，后续在二维位置转换成三维位置时，能够更加准确，快速，提高采摘效率。
46.s2，实现单个番茄果实与堆叠番茄果实的目标果实检测；
47.具体地，可以使用yolov5x目标检测模型来对番茄果实图像直接进行目标检测的识别。在此过程中，将识别出的番茄果实分为两类，一类是只有一个果实的单目标个体；另一类是多个目标聚集、重叠的串状重叠目标串。
48.s3，截取目标图像，其中，目标图像包括单个番茄果实图像与堆叠番茄果实图像；
49.需要说明的是，在图像中目标定位完之后，将定位到的目标按识别的目标框进行分类裁剪出果实图像时，此时裁剪出来的果实图像会带有少许部分背景图像的像素，因此，采用s4步骤中的处理方法再进行加工处理。
50.s4，在目标图像中确定出单个番茄果实的第一果实边缘与堆叠番茄果实的第二果实边缘，并依据第一果实边缘与第二果实边缘，分割出多个番茄果实图像；
51.具体地，可以使用deeplabv3+语义分割对不同类型的目标图像进行针对性地处理。
52.1)对于单个番茄果实图像，直接进行语义分割，提取番茄果实的边缘，生成番茄果实图像，其中，番茄果实图像可以为只包括番茄果实的不规则图像，也可以为除番茄果实之其他区域都是黑色的规则图像，为规则图像时，将番茄果实边缘之外的像素点设为0(黑色)。
53.2)对于堆叠番茄果实图像，对每个番茄果实进行语义分割，提取每个番茄果实的边缘。然后对每个番茄果实进行遍历，生成番茄果实图像，其中，番茄果实图像可以为只包括番茄果实的不规则图像，也可以为除番茄果实之其他区域都是黑色的规则图像，为规则图像时，可以在遍历时生成除某个番茄果实之外的其他区域像素全设为0，也就针对每个番茄果实生成一个新的只有番茄果实部分区域是带rgb值，其他部分都是黑色的图像。
54.还需要说明的是，在获取到多个番茄果实图像后，可以对多个番茄果实图像进行编号，其中，多个番茄果实图像中任意一个番茄果实图像都包括一个目标番茄果实，多个番
茄果实图像中包括的目标番茄果实不重复，通过编号处理，能够更易识别，使得本发明可选实施方式中提供的方法更加有序。
55.s5，依据多个番茄果实图像的像素数据，确定多个目标番茄果实对应的多个番茄成熟度；
56.重点针对从堆叠番茄果实图像中得到的番茄果实图像，具体地，可以使用resnet-101对分割出来的番茄果实图像进行二分类，将遮挡程度不超过20％的图像视为完整果实(轻微的遮挡对整体成熟度的检测影响不大)。在制作训练数据集时需要将不超过20％的果实和超过20％的果实进行分类，用来训练resnet-101做二分类，来判断果实是否有遮挡，识别出没有遮挡的果实的，将识别出来的遮挡程度不超过20％的番茄果实送入s6。
57.s6，依据多个番茄果实图像，在多个目标番茄果实中确定出成熟番茄果实；
58.即进行番茄果实成熟度的识别，具体地，可以使用rgb颜色模型求均值的方式，将输入进来的番茄果实图像中的像素点进行遍历，提取番茄果实图像像素中的r值求均值。识别出可采摘番茄果实和不可采摘番茄果实，确定可采摘番茄果实对应的编号与三维位置信息，确定出携带有编号与三维位置信息的摘取指令。
59.具体地，使用双目深度相机依据番茄果实图像确定出可采摘番茄果实的二维位置，进而对可采摘番茄果实进行三维定位，再通过番茄果实边缘的像素计算可采摘果实的质心像素点，并在计算目标质心的三维坐标。
60.s7，发送摘取指令至三轴机械臂，以控制三轴机械臂摘取目标三维位置处的可采摘番茄果实。
61.依据三维位置信息，可以确定番茄果实是否在当前三轴机械臂位置的可摘取范围内，超出三轴机械臂摘取范围的番茄果实先忽略，先摘取附近的番茄果实，即当前三轴机械臂位置能够摘取的番茄果实，摘取完附近的番茄果实后，三轴机械臂按照剩余的可采摘番茄果实的三维坐标信息进行摘取，在此过程中，可以先按照距离的远近对三维坐标信息进行排序，再挨个进行摘取，提高摘取效率。在一个位置摘取完成后，给移动底盘发送向前移动信号，进行下个位置的摘取。摘取完第一轮识别后的果实后，再从s1开始进行第二轮识别，直到三轴机械臂全部位置的摘取范围内无可采摘番茄果实为止。
62.通过上述可选实施方式，可以达到至少以下几点有益效果：
63.(1)使用目标检测算法进行定位并裁剪出番茄果实图像给到语义分割算法的方式来提高语义分割算法的精度，针对是的对大图像中小目标识别不准的情况，而做的优化改进，小图像中更有利于语义分割对目标番茄果实进行分割；
64.(2)对番茄果实完整性做了识别，避免了因为番茄果实重叠造成的番茄果实遮挡而对番茄果实成熟度识别造成误差；
65.(3)使用语义分割识别之后的图像进行rgb颜色提取，计算番茄果实成熟度的方式，保障了提取到的rgb值都是在番茄果实上的，避免了在提取rgb值时背景图像的颜色对番茄果实成熟度计算的影响，使番茄果实成熟度的计算更加准确可信。
66.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明
所必须的。
67.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
68.实施例2
69.根据本发明实施例，还提供了一种用于实施上述果实处理方法的装置，图3是根据本发明实施例的果实处理装置的结构框图，如图3所示，该装置包括：获取模块302，第一确定模块304，分割模块306和第二确定模块308，下面对该装置进行详细说明。
70.获取模块302，用于获取目标图像，其中，目标图像中包括单个预定果蔬果实与堆叠预定果蔬果实；第一确定模块304，连接于上述获取模块302，用于在目标图像中确定出单个预定果蔬果实的第一果实边缘与堆叠预定果蔬果实的第二果实边缘；分割模块306，连接于上述第一确定模块304，用于依据第一果实边缘与第二果实边缘，分割出多个预定果蔬果实图像，其中，多个预定果蔬果实图像中任意一个预定果蔬果实图像都包括一个目标预定果蔬果实，多个预定果蔬果实图像中包括的目标预定果蔬果实不重复；第二确定模块308，连接于上述分割模块306，用于依据多个预定果蔬果实图像，在多个目标预定果蔬果实中确定出成熟预定果蔬果实。
71.此处需要说明的是，上述获取模块302，第一确定模块304，分割模块306和第二确定模块308对应于实施果实处理方法中的步骤s102至步骤s108，多个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。
72.实施例3
73.根据本发明实施例的另外一个方面，还提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器被配置为执行指令，以实现上述任一项的果实处理方法。
74.实施例4
75.根据本发明实施例的另外一个方面，还提供了一种计算机可读存储介质，当计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项的果实处理方法。
76.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
77.在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
78.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
79.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
80.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
81.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
82.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。