一种甘蔗识别方法、装置以及存储介质

本申请涉及智能识别，尤其涉及一种甘蔗识别方法、装置以及存储介质。

背景技术：

1、随着甘蔗制糖与生物质能产业的规模化发展，原料验收环节对快速、精准的分选技术需求日益迫切。随着机器视觉与深度学习技术日趋成熟，从人工抽检向自动化、标准化、高精度智能检测转变，已成为糖厂提升产能与品控水平的主流趋势。

2、现有技术为了解决人工验收效率低、主观性强的问题，采用了一种基于图像处理的甘蔗品质分级方法。该方法首先通过工业相机采集甘蔗截面图像，利用阈值分割算法提取目标区域，再基于人工设计的颜色与纹理特征输入分类器进行单一品种判定。对于杂质，则依靠滤光片切换或独立的光谱成像设备进行辅助识别，分步完成品级划分与杂质估算。

3、然而，该方法中杂质评估环节需要依赖人工目测辅助完成，导致整体检测响应延迟较高、结果受主观因素影响大，难以满足原料验收环节对快速在线分选的实际需求。

技术实现思路

1、为了解决上述技术问题，本申请提供了一种甘蔗识别方法、装置以及存储介质。

2、下面对本申请中提供的技术方案进行描述：

3、本申请第一方面提供了一种甘蔗识别方法，所述方法包括：

4、在原料验收过程中，将采集到的多源甘蔗图像数据输入至双任务联合检测模型进行品种分类与杂质分割并行处理，得到初始品种识别结果和杂质标记数据；

5、根据所述杂质标记数据对所述多源甘蔗图像数据进行粘连杂质分割边界修复，得到甘蔗图像；

6、根据所述甘蔗图像对所述初始品种识别结果进行修正，得到目标甘蔗品种识别结果。

7、可选的，所述品种分类，包括：

8、在所述双任务联合检测模型中，将多源甘蔗图像数据输入至边缘甘蔗分类网络进行甘蔗形态提取，得到甘蔗多层级特征向量；

9、根据所述甘蔗多层级特征向量判定甘蔗品种，得到初始品种识别结果。

10、可选的，所述在所述双任务联合检测模型中，将多源甘蔗图像数据输入至边缘甘蔗分类网络进行甘蔗形态提取，得到包含蔗节、根须细节以及整体轮廓的甘蔗多层级特征向量，包括：

11、在所述边缘甘蔗分类网络中，通过卷积核提取所述多源甘蔗图像数据中的浅层视觉特征；

12、将所述浅层视觉特征送入低层深度可分离卷积模块群进行边缘和纹理初步位置组合，得到基础几何结构的过渡特征；

13、将所述过渡特征送入高层深度可分离卷积模块群进行形态深度位置组合，得到高层语义特征；

14、将所述浅层视觉特征、所述过渡特征以及所述高层语义特征进行多尺度拼接融合，得到所述甘蔗多层级特征向量。。

15、可选的，所述杂质分割，包括：

16、在所述双任务联合检测模型中，对所述多源甘蔗图像数据进行杂质检测，确定杂质特征图；

17、将所述杂质特征图输入特征金字塔网络，通过自顶向下的路径将深层语义信息传递至浅层，得到若干个融合后的强化杂质特征图；

18、根据若干个融合后的所述强化杂质特征图进行杂质类别预测，得到杂质类别标签；

19、根据若干个融合后的所述强化杂质特征图与所述杂质类别标签进行逐像素杂质区域标注，得到初步杂质分割结果；

20、对所述初步杂质分割结果中与甘蔗主体相粘连的杂质边界进行精细化调整，得到所述杂质标记数据。

21、可选的，所述对所述初步杂质分割结果中与甘蔗主体相粘连的杂质边界进行精细化调整，得到所述杂质标记数据，包括：

22、根据所述初步杂质分割结果，识别杂质区域与甘蔗主体区域之间的粘连边界段；

23、对所述粘连边界段上的误标像素进行类别修正，得到所述杂质标记数据。

24、可选的，所述根据所述杂质标记数据对所述多源甘蔗图像数据进行粘连杂质分割边界修复，得到甘蔗图像，包括：

25、根据所述杂质标记数据，获取所述杂质与甘蔗主体之间的粘连区域；

26、对所述粘连区域的初始分割边界进行边界偏差识别，得到因重叠或颜色相近导致的边界偏差区域；

27、根据所述边界偏差区域对初始分割边界进行动态调整，得到真实分界轮廓；

28、沿所述真实分界轮廓将杂质区域从甘蔗主体上剥离，得到剥离杂质后的甘蔗主体区域；

29、对所述剥离杂质后的甘蔗主体区域进行区域填充，得到完整的所述甘蔗图像。

30、可选的，所述甘蔗多层级特征向量包含蔗节特征、根须特征以及甘蔗整体轮廓特征。

31、本申请第二方面提供了一种甘蔗识别装置，所述装置包括：

32、处理单元，用于在原料验收过程中，将采集到的多源甘蔗图像数据输入至双任务联合检测模型进行品种分类与杂质分割并行处理，得到初始品种识别结果和杂质标记数据；

33、修复单元，用于根据所述杂质标记数据对所述多源甘蔗图像数据进行粘连杂质分割边界修复，得到甘蔗图像；

34、修正单元，用于根据所述甘蔗图像对所述初始品种识别结果进行修正，得到目标甘蔗品种识别结果。

35、本申请第三方面提供了一种甘蔗识别装置，所述装置包括：

36、处理器、存储器、输入输出单元以及总线；

37、所述处理器与所述存储器、所述输入输出单元以及所述总线相连；

38、所述存储器保存有程序，所述处理器调用所述程序以执行第一方面以及第一方面中任一项可选的所述方法。

39、本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时执行第一方面以及第一方面中任一项可选的所述方法。

40、从以上技术方案可以看出，本申请具有以下有益效果：

41、本申请通过将品种分类与杂质分割任务集成于双任务联合检测模型并行处理，两个网络同时接收输入并独立完成推理，显著缩短了原料验收的检测响应时间，满足生产线实时在线分选的效率要求。接着，在获取杂质标记数据后，针对性地对粘连杂质进行分割边界修复，可有效分离高密度堆叠状态下边界模糊或颜色相近的杂质与甘蔗主体，提升杂质定位精度，为后续扣杂计算提供更可靠的数据基础。最后，以修复杂质边界后的甘蔗图像为依据，对初始品种识别结果进行修正，可排除枝叶遮挡、杂质附着等因素对品种判定的干扰，大幅降低复杂背景下的误判风险，最终输出的目标甘蔗品种识别结果兼具高效性与准确性，有力支撑糖厂原料验收环节的自动化与标准化升级。

1.一种甘蔗识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的甘蔗识别方法，其特征在于，所述品种分类，包括：

3.根据权利要求2所述的甘蔗识别方法，其特征在于，所述在所述双任务联合检测模型中，将多源甘蔗图像数据输入至边缘甘蔗分类网络进行甘蔗形态提取，得到包含蔗节、根须细节以及整体轮廓的甘蔗多层级特征向量，包括：

4.根据权利要求1所述的甘蔗识别方法，其特征在于，所述杂质分割，包括：

5.根据权利要求4所述的甘蔗识别方法，其特征在于，所述对所述初步杂质分割结果中与甘蔗主体相粘连的杂质边界进行精细化调整，得到所述杂质标记数据，包括：

6.根据权利要求5所述的甘蔗识别方法，其特征在于，所述根据所述杂质标记数据对所述多源甘蔗图像数据进行粘连杂质分割边界修复，得到甘蔗图像，包括：

7.根据权利要求1至6任一项所述的甘蔗识别方法，其特征在于，所述甘蔗多层级特征向量包含蔗节特征、根须特征以及甘蔗整体轮廓特征。

8.一种甘蔗识别装置，其特征在于，所述装置包括

9.一种甘蔗识别装置，其特征在于，所述装置包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时执行如权利要求1至7中任一项所述方法。