基于边缘检测的园林植物识别方法及系统与流程

本发明涉及计算机，尤其是涉及一种基于边缘检测的园林植物识别方法及系统。

背景技术：

1、图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。

2、在一种应用中，可以利用图像识别的方式对图像数据中的园林植物进行识别。但是，目前的识别模型均是采用包含完整的园林植物的图像训练得到的，但是在实际应用过程中，需要识别到的园林植物的图像可能不包含完整的园林植物，可能只包含园林植物的一部分，导致图像识别的准确率不高。

技术实现思路

1、本发明提供一种基于边缘检测的园林植物识别方法及系统，以提升图像识别的准确性。

2、为了解决上述技术问题，本发明是这样实现的：

3、第一方面，本申请提供了一种基于边缘检测的园林植物识别方法，所述方法包括：获取园林植物的图像数据和标注数据；将图像数据输入到深度识别模型中，识别图像数据中园林植物的深度信息；依据深度信息，确定园林植物的尺寸信息，并依据尺寸信息确定园林植物对应的缩减量；识别图像数据中园林植物的边缘信息，并依据边缘信息和缩减量，生成至少一组对象边缘图像，并添加标注数据，形成训练数据，以依据训练数据训练对象边缘识别模型。

4、进一步的，所述依据训练数据训练对象边缘识别模型，包括：将对象边缘图像输入到对象边缘识别模型中，确定预测数据；依据预测数据和标注数据之间的差异，确定模型参数调整量；按照模型参数调整量，调整对象边缘识别模型的参数，以确定训练好的对象边缘识别模型。

5、进一步的，所述方法还包括：依据标注数据，确定园林植物的第一轨迹信息，所述第一轨迹信息包括园林植物的叶片的特征轨迹；依据边缘信息，确定与第一轨迹信息对应园林植物的第二轨迹信息，并确定对象特征图像；依据对象特征图像和标注数据，确定训练数据。

6、进一步的，所述获取园林植物的图像数据和标注数据，包括：获取园林植物的视频数据，并获取人工标注的标注数据；依据标注数据确定园林植物在不同阶段的状态信息；从视频数据中获取各状态信息对应的图像数据组，并添加标注数据。

7、进一步的，所述从视频数据中获取各状态信息对应的图像数据组，包括：对视频数据按照第一切分规则进行第一切分，得到对应目标状态信息的目标视频数据；对目标视频数据按照第二切分规则进行第二切分，得到多个视频段；选取第一端视频段的关键图像数据，添加到图像数据组中；将图像数据组中最新的关键图像数据与下一视频段的目标关键图像数据进行对比，在最新的关键图像数据与下一视频段的目标关键图像数据之间的图像差异量超过预设阈值时，将目标关键图像数据添加到图像数据组中作为最新的关键图像数据，直至遍历全部视频段，得到图像数据组。

8、进一步的，所述将图像数据组中最新的关键图像数据与下一视频段的目标关键图像数据进行对比，包括：确定最新的关键图像数据中的园林植物的识别框，并提取出第一图像；确定目标关键图像数据中的园林植物的识别框，并提取出第二图像；将第一图像与第二图像进行逐像素对比，确定图像差异量。

9、进一步的，所述园林植物的视频数据，包括：针对于同一园林植物的由第一摄像组件和第二摄像组件拍摄的视频数据；在确定第一摄像组件对应的图像数据组之后，从第二摄像组件的视频数据中获取各状态信息对应的图像数据组的步骤，包括：获取第一摄像组件对应的图像数据组中各个图像的对应的时间数据；按照时间数据以及第一摄像组件和第二摄像组件之间的空间位姿关系，从第二摄像组件的视频数据中获取各状态信息对应的图像数据组。

10、进一步的，所述依据训练数据训练对象边缘识别模型，包括：接收边缘识别模型的本地模型，并依据训练数据对本地模型进行训练，得到本地模型参数；上传本地模型参数给训练中心，以使得训练中心聚合多个参与方的本地模型参数，并进行全局分析，以更新边缘识别模型的全局模型参数，并生成下一轮迭代的模型参数发送给参与方；接收下一轮迭代的模型参数，并更新边缘识别模型的本地模型，以据训练数据对本地模型进行训练，得到更新的本地模型参数；上传更新的本地模型参数给训练中心，直至完成边缘识别模型的训练。

11、第二方面，本申请提供了一种基于边缘检测的园林植物识别系统，所述系统包括：图像数据获取模块，用于获取园林植物的图像数据和标注数据；深度信息获取模块，用于将图像数据输入到深度识别模型中，识别图像数据中园林植物的深度信息；尺寸信息获取模块，用于依据深度信息，确定园林植物的尺寸信息，并依据尺寸信息确定园林植物对应的缩减量；训练数据生成模块，用于识别图像数据中园林植物的边缘信息，并依据边缘信息和缩减量，生成至少一组对象边缘图像，并添加标注数据，形成训练数据，以依据训练数据训练对象边缘识别模型。

12、第三方面，本申请提供了一种电子设备，包括：存储器和至少一个处理器；所述存储器用于存储计算机执行指令；所述至少一个处理器用于执行所述存储器中存储的计算机执行指令，使得所述至少一个处理器执行如第一方面所述的方法。

13、本申请提供了一种基于边缘检测的园林植物识别方法，所述方法包括：获取园林植物的图像数据和标注数据；将图像数据输入到深度识别模型中，识别图像数据中园林植物的深度信息；依据深度信息，确定园林植物的尺寸信息，并依据尺寸信息确定园林植物对应的缩减量；识别图像数据中园林植物的边缘信息，并依据边缘信息和缩减量，生成至少一组对象边缘图像，并添加标注数据，形成训练数据，以依据训练数据训练对象边缘识别模型。

14、本申请的方案中，可以获取具有标注数据的图像数据，标注数据可以包括；标注了图像数据中园林植物的标注框、以及定义了园林植物的信息，如园林植物的名称、园林植物的状态（如年龄状态、生长周期状态等）。图像数据中包含了完整的园林植物，因此，本申请的方案可以对图像数据进行切分，得到对应园林植物的边缘的图像，具体的，可以对图像数据进行深度识别，并依据深度信息和园林植物在图像数据中的大小，确定园林植物的尺寸信息，进而确定相应的缩减量。之后，可以依据缩减量和图像数据中园林植物的边缘信息，生成至少一组对象边缘图像，并添加标注数据，形成训练数据，以依据训练数据训练对象边缘识别模型。本方案中，通过对现有的图像数据进行切分，得到对应园林植物的边缘的对象边缘图像，从而训练对象边缘识别模型，从而可以依据园林植物的边缘来识别出园林植物，提升园林植物识别的准确率。另外，本方案可以更好的利用现有的具有标注的数据来生成训练数据。本方案在对象边缘识别模型的基础上，还可以结合依据完整的园林植物的图像和标注数据训练出的识别模型来进行园林植物的识别，提升了园林植物识别的准确率。

技术特征：

1.一种基于边缘检测的园林植物识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述依据训练数据训练对象边缘识别模型，包括：

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的方法，其特征在于，所述获取园林植物的图像数据和标注数据，包括：

5.根据权利要求4所述的方法，其特征在于，所述从视频数据中获取各状态信息对应的图像数据组，包括：

6.根据权利要求5所述的方法，其特征在于，所述将图像数据组中最新的关键图像数据与下一视频段的目标关键图像数据进行对比，包括：

7.根据权利要求5所述的方法，其特征在于，所述园林植物的视频数据，包括：针对于同一园林植物的由第一摄像组件和第二摄像组件拍摄的视频数据；

8.根据权利要求1所述的方法，其特征在于，所述依据训练数据训练对象边缘识别模型，包括：

9.一种基于边缘检测的园林植物识别系统，其特征在于，所述系统包括：

10.一种电子设备，其特征在于，包括：存储器和至少一个处理器；

技术总结
本发明公开了一种基于边缘检测的园林植物识别方法及系统，所述方法包括：获取园林植物的图像数据和标注数据；将图像数据输入到深度识别模型中，识别图像数据中园林植物的深度信息；依据深度信息，确定园林植物的尺寸信息，并依据尺寸信息确定园林植物对应的缩减量；识别图像数据中园林植物的边缘信息，并依据边缘信息和缩减量，生成至少一组对象边缘图像，并添加标注数据，形成训练数据，以依据训练数据训练对象边缘识别模型。基于本申请的方法，可以提升园林植物的识别准确率。

技术研发人员：李顺锦
受保护的技术使用者：天津市蓟州区民力新能源科技有限公司
技术研发日：
技术公布日：2024/1/14