(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210683742.3 (22)申请日 2022.06.17 (71)申请人 同济大学 地址 200092 上海市杨 浦区四平路1239号 (72)发明人 石繁槐　强壮　 (74)专利代理 机构 上海科律专利代理事务所 (特殊普通 合伙) 31290 专利代理师 叶凤 (51)Int.Cl. G06T 7/10(2017.01) G06T 7/136(2017.01) G06T 7/62(2017.01) G06V 10/762(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种小青菜图像实例分割任务的杂草过滤 方法 (57)摘要 本发明涉及一种小青菜图像实例分割任务 的杂草过滤方法， 尤其是涉及一种小青菜图像实 例分割任务的杂草过滤方法， 包括面积阈值法和 聚类法两种子方法， 还包括选择合适子方法进行 后处理的直方图统计方法。 本发 明针对当前实例 分割方法较难分辨外观相似实例的难点， 针对实 际种植环境下的小青菜图像实例分割结果设计 并实现了一种杂草过滤方法， 该方法可以在不增 加标注数据的同时过滤杂草， 提高小青菜图像实 例分割的精度， 有利于相关方法的应用与推广。 权利要求书1页 说明书4页 附图2页 CN 115035126 A 2022.09.09 CN 115035126 A 1.一种小青菜图像实例分割任务的杂草过滤方法， 其特征在于， 所述杂草过滤方法在 执行时实现以下步骤： 步骤S1： 与地面平行拍摄小青菜顶视 图像， 对小青菜图像进行实例分割获取各植株投 影； 步骤S2： 按像素面积对各植株实例分割结果样本进行直方图统计； 步骤S3： 计算步骤S2所得直方图最左端区间的样本个 数， 根据阈值T1选择杂草过滤子方 法； 步骤S4： 若样本数小于T1， 计算所有植株投影的平均像素面积， 过滤所有投影面积小于 0.2倍像素面积的实例分割投影， 从而过 滤杂草； 步骤S5： 若样本 数大于或等于T1， 对所有投影面积 进行K‑means聚类， 将实例分割投影聚 为两簇， 评估聚类效果， 若效果符合步骤S 52的要求则过滤聚类中心 值较小的一个簇从而过 滤杂草， 否则仍使用S4所属方法过 滤杂草。 2.根据权利要求1所述的一种 小青菜图像实例分割 任务的杂草过滤方法， 其特征在于， 所述步骤S1通过实例分割方法获取小青菜顶视图像中所有小青菜实例的投影， 对其中可能 有杂草被误认为小青菜实例进行分割。 3.根据权利要求2所述的一种 小青菜图像实例分割 任务的杂草过滤方法， 其特征在于， 所述步骤S2中按像素面积对各植株实例分割结果样本进行直方图统计步骤具体包括： 步骤S21： 获取 各植株分割区域像素面积的最大值与最小值； 步骤S22： 将最大值与最小值之间的面积区域划分为10个区间， 统计面积落在各个区间 的样本数量， 得到面积统计直方图H 。 4.根据权利要求3所述的一种 小青菜图像实例分割 任务的杂草过滤方法， 其特征在于， 所属步骤S3中根据直方图最左端区间的样本个数选择杂草过 滤子方法步骤具体包括： 步骤S31： 选择图像中小青菜平均数量的十分之一作为T1； 若每张小青菜图像中平均存 在50个小青菜， 则T1选择为5； 步骤S32： 根据直方图H最左端区间样本个数与T1的大小关系选择杂草过 滤子方法。 5.根据权利要求4所述的一种 小青菜图像实例分割 任务的杂草过滤方法， 其特征在于， 所述步骤S4中杂草过 滤的面积阈值法子方法步骤具体包括： 步骤S41： 计算图像中的植株投影面积均值Am； 步骤S42： 以Am的0.2倍为阈值T2， 过滤所有投影面积小于T2的实例。 6.根据权利要求5所述的一种 小青菜图像实例分割 任务的杂草过滤方法， 其特征在于， 所述步骤S5中杂草过 滤的聚类法子方法步骤具体包括： 步骤S51： 以投影面积为特征， 以欧氏距离为度量， 对分割出的各个实例样本进行K ‑ means聚类， 聚类为2个簇， 最大迭代次数10 0次； 步骤S52： 比较S51所得两个簇的聚类中心值， 若两聚类中心值满足其一小于另一值的 0.2倍， 则移除聚类中心值较小的聚类所属所有实例； 步骤S53： 比较S51所得两个簇 的聚类中心值， 若不满足S52中的要求， 则仍使用步骤S4 所述的面积阈值法子方法。权　利　要　求　书 1/1 页 2 CN 115035126 A 2一种小青菜图像实例分割 任务的杂 草过滤方法 技术领域 [0001]本发明涉及 一种图像实例分割任务的噪声目标过滤方法， 尤其是涉及 一种小青菜 图像实例分割任务的杂草过 滤方法。 背景技术 [0002]小青菜是我国重要的经济作物， 广泛种植于全国各地。 近年来， 对小青菜生长过程 中的表型信息变化进行研究来估计其生长状态， 从而调节作物生长环境， 提高小青菜的产 量与品质的工作日益增多。 其中， 基于图像处理与计算机视觉的智能表型分析技术因其部 署成本低且无 人化程度高尤其受到关注。 [0003]在植物图像的表型分析任务中， 基于实例分割获取 图像中各个植株的投影， 进而 分析图像中的植物数量与面积， 并识别病虫害等恶劣条件成为常见的方法。 例如， 中国专利 文献号CN113344934A公开(公告)日2021.9.3公开了一种基于M ask R‑CNN的酸浆属植物叶 片分割方法。 [0004]然而， 在实际的作物种植环境下部署这些植物图像表型分析方法时， 复杂的实际 种植环境带来了多种干扰， 诸如光照变化大、 背 景噪声复杂等， 其中与作物外观相似的杂草 是影响最大的环境干扰之一。 [0005]在实际作物种植环境下， 一些杂草与小青菜等作物的外观颇为相似， 使得很多实 例分割算法容 易误将杂草识别为小青菜并错 误分割出来。 发明内容 [0006]本发明的目的是为了克服小青菜图像实例分割算法在实际种植环境下容易将杂 草误作为青菜分割出来的缺陷而提供的一种杂草过 滤方法。 [0007]本发明发现和利用由于杂草的投影面积往往小于小青菜， 导致对小青菜的平均投 影面积等表型信息的计算出现误差， 影响表型分析的准确性， 进而导致环境调控 出现错误。 为此， 本发明通过分析小青菜种植过程中的环境变化后， 发现杂草的体积往往远小于同时 期的小青菜。 因此在小青菜图像中， 杂草的投影面积小于正常生长的小青菜的投影面积 。 从 这一角度设计本发明原理， 可以基于植株投影面积分布的差异实现杂草过滤， 以进一步提 高小青菜图像实例分割 结果的准确 性。 此外， 本发明基于植株投影面积分布差异来实现小 青菜图像实例分割任务中的杂草过滤， 不需要数据标注等过程， 可以作为后处理方法添加 到任意实例分割方法 之后， 适合农业工程应用场景 下的部署与使用。 [0008]本发明的目的可以通过以下技 术方案来实现： [0009]概括的技术方案： [0010]一种小青菜图像实例分割任务的杂草过滤方法， 通过对小青菜图像实例分割所得 各株植物投影面积的分析来划分小青菜与错误分割得到的杂草。 首先对小青菜分割结果样 本按照面积进 行直方图统计， 依据直方图统计结果选择面积阈值法与聚类法中合适的子方 法。 当样本较少时， 通过设置一个较小的面积阈值来过滤杂草； 当样 本较多时， 通过K ‑means说　明　书 1/4 页 3 CN 115035126 A 3