一种基于Swin-Transformer的叶片计数方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114913426A(43)申请公布日2022.08.16(21)申请号202210652858.0G06V10/774(2022.01)(22)申请日2022.06.10(71)申请人中科合肥智慧农业协同创新研究院地址230031安徽省合肥市长丰县双凤开发区金江路32号合肥智慧农业协同创新研究院(72)发明人陈鹏牛子寒章军夏懿王儒敬许浪王刘向陈建峰胡涛黄琼娇路宝榕(74)专利代理机构合肥国和专利代理事务所(普通合伙)34131专利代理师张祥骞(51)Int.Cl.G06V20/10(2022.01)G06V10/764(2022.01)权利要求书2页说明书7页附图1页(54)发明名称一种基于Swin-Transformer的叶片计数方法(57)摘要本发明提供一种基于Swin‑Transformer的叶片计数方法，包括：获取拍摄图像；所述拍摄图像包括草莓叶片；将所述拍摄图像输入至Swin‑Transformer模型，进行草莓叶片识别；输出识别结果；所述识别结果包括草莓叶片分割结果、草莓叶片标注信息以及草莓叶片面积；基于计数器统计所述草莓叶片数量。本发明，通过改进的Swin‑Transformer算法执行草莓的叶片识别以及计数，并进行模型的优化训练等，从而使得模型得到的草莓叶片数量准确便于后续的基于叶片的对草莓生长状态的估测。CN114913426ACN114913426A权利要求书1/2页1.一种基于Swin‑Transformer的叶片计数方法，其特征在于，包括：获取拍摄图像；所述拍摄图像包括草莓叶片；将所述拍摄图像输入至Swin‑Transformer模型，进行草莓叶片识别；输出识别结果；所述识别结果包括草莓叶片分割结果、草莓叶片标注信息以及草莓叶片面积；基于计数器统计所述草莓叶片数量。2.根据权利要求1所述的基于Swin‑Transformer的叶片计数方法，其特征在于，所述将所述拍摄图像输入至Swin‑Transformer模型，进行草莓叶片识别之前，还包括：对所述Swin‑Transformer模型进行训练；所述训练过程包括：采集若干拍摄草莓叶片图片作为训练样本数据集；对所述草莓叶片图像进行标注；整理标注后的文件，根据不同要求，将训练样本数据集改为coco格式的数据集或VOC格式的数据集；调整超参数，其中，包括：修改norm_cfgSyncBN‑>BN，调整gpu使用个数，修改类别数目num_classes调整识别种类个数，修改训练选取样本大小BatchSize，调整网络梯度，修改迭代次数。3.根据权利要求2所述的基于Swin‑Transformer的叶片计数方法，其特征在于，所述方法还包括：当获取到草莓叶片的标注分割结果后，进行结果的检验，通过提供相同区域的图片数据，通过人工检验模型识别结果差异，若结果相差大于一定阈值，将提示重新优化识别模型；根据用户确认提示则进行模型优化；所述模型优化包括：调整超参数。4.一种基于Swin‑Transformer的叶片计数系统，其特征在于，包括：获取模块，获取拍摄图像；所述拍摄图像包括草莓叶片；识别模块，将所述拍摄图像输入至Swin‑Transformer模型，进行草莓叶片识别；输出模块，输出识别结果；所述识别结果包括草莓叶片分割结果、草莓叶片标注信息以及草莓叶片面积；计数模块，基于计数器统计所述草莓叶片数量。5.根据权利要求4所述的基于Swin‑Transformer的叶片计数系统，其特征在于，所述将所述拍摄图像输入至Swin‑Transformer模型，进行草莓叶片识别之前，还包括：对所述Swin‑Transformer模型进行训练；所述训练过程包括：采集若干拍摄草莓叶片图片作为训练样本数据集；对所述草莓叶片图像进行标注；整理标注后的文件，根据不同要求，将训练样本数据集改为coco格式的数据集或VOC格式的数据集；调整超参数，其中，包括：修改norm_cfgSyncBN‑>BN，调整gpu使用个数，修改类别数目num_classes调整识别种类个数，修改训练选取样本大小BatchSize，调整网络梯度，修改迭代次数。6.根据权利要求5所述的基于Swin‑Transformer的叶片计数系统，其特征在于，所述系2CN114913426A权利要求书2/2页统还包括：优化模块，当获取到草莓叶片的标注分割结果后，进行结果的检验，通过提供相同区域的图片数据，通过人工检验模型识别结果差异，若结果相差大于一定阈值，将提示重新优化识别模型；根据用户确认提示则进行模型优化；所述模型优化包括：调整超参数。7.一种计算机存储介质，所述计算机存储介质存储有程序；所述程序由处理器加载并执行以实现如上述权利要求1‑3任一项所述的基于Swin