文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN202210662037.5

申 请 日：20220613

发 明 人：江涵 梁秀波

申 请 人：浙江大学软件学院(宁波)管理中心(宁波软件教育中心)

申请人地址：315048 浙江省宁波市江南路1689号

公 开 日：20220920

公 开 号：CN115082787A

代 理 人：邱启旺

代理机构：杭州求是专利事务所有限公司

语　　种：中文

摘　　要：本发明公开了一种基于Cascade R‑CNN的待采摘水果目标检测方法，该方法具体包括以下步骤：S1：采集自然环境下的水果图像；S2：扩充采集到的原始水果图像；S3：将收集到的原始水果图像划分为训练集、测试集和验证集图像，并将训练集和验证集的图像划分为原始图像和扩充后的图像；S4：人工标注训练集和验证集中的原始图像得到原始数据集；S5：将原始图像数据集输入构建好的Cascade R‑CNN网络训练得到辅助模型；S6：通过辅助模型标注扩充后的图像，得到扩充数据集；S7：将原始数据集和扩充数据集输入构建好的CascadeR‑CNN网络训练得到检测模型；S8：使用测试集在检测模型上测试。本发明使用辅助模型代替人工标注大量图像，极大降低了标注成本，提高了标注效率。

主 权 项：1.一种基于Cascade R-CNN的待采摘水果目标检测方法，其特征在于，该方法具体包括以下步骤：S1：采集自然环境下的水果图像；S2：将采集到的原始水果图像进行扩充；S3：将收集到的原始水果图像划分为训练集、测试集和验证集图像，并将训练集和验证集的图像划分为原始图像train_org、val_org和扩充后的图像train_aug、val_aug；S4：人工标注训练集中的原始图像：将训练集和验证集中的原始图像train_org、val_org使用labelimg人工标注得到数据集dataset_org；S5：构建Cascade R-CNN网络，将数据集dataset_org输入该网络进行训练，得到训练好的辅助模型pth_aux；S6：通过辅助模型pth_aux标注扩充后的图像train_aug、val_aug，通过辅助模型pth_aux检测水果图像中的待采摘水果目标，得到数据集dataset_aug；S7：将数据集dataset_org和dataset_aug输入构建好的Cascade R-CNN网络训练得到训练好的最终检测模型pth用于测试集图像的检测；S8：使用测试集在检测模型pth测试，输出最后的分类和定位检测框结果。

关 键 词：图像  辅助模型  水果图像  训练集  标注  原始数据集  人工标注  网络训练 原始图像  数据集 验证集  构建  采集  原始图像数据  目标检测  使用测试  测试集  检测  自然环境  采摘 验证  测试  水果

IPC专利分类号：G06V20/10;G06V10/82;G06V10/80;G06V10/774;G06V10/764;G06V10/56;G06N3/04;G06N3/08