技术特征：
1.一种植物叶片分割方法，其特征在于，所述方法包括：构建样本数据集，所述样本数据集中包括若干幅带真实标签的样本图像；将样本图像输入卷积神经网络中，所述卷积神经网络包括backbone网络、rpn网络和若干个级联的叶片分割模块，每个叶片分割模块包括roialign网络和head网络，每个head网络包括分类分支、分割分支和检测分支；所述backbone网络对输入的样本图像进行特征提取得到样本特征图并分别输入各个植物叶片分割模块的roialign网络，所述rpn网络从输入的样本图像中提取得到提案框并输入第一个叶片分割模块的roialign网络；每一个roialign网络从所述样本特征图中提取输入的提案框对应的对齐特征图送入head网络，所述head网络的分类分支对接收到的对齐特征图进行图像分类得到叶片分类分数，所述head网络的分割分支对接收到的对齐特征图进行图像分割得到叶片分割结果，所述head网络的检测分支基于iou阈值对接收到的对齐特征图进行检测并得到更新后的提案框送入下一个叶片分割模块的roialign网络；各个叶片分割模块中的iou阈值按照级联顺序依次递增；将每一个样本图像经由所述卷积神经网络的各个叶片分割模块分别输出的叶片分类分数、提案框和叶片分割结果与其真实标签进行对比，调整所述卷积神经网络的网络参数，利用所述样本数据集基于所述卷积神经网络训练得到植物叶片分割模型；将待分割图像输入所述植物叶片分割模型，得到对所述待分割图像的叶片分割结果。2.根据权利要求1所述的方法，其特征在于，所述得到对所述待分割图像的叶片分割结果，包括：将所述植物叶片分割模型的最后一个叶片分割模块输出的提案框输入各个叶片分割模块的roialign网络，所述roialign网络从待分割图像的特征图中提取输入的提案框对应的对齐特征图送入head网络，由各个head网络的分类分支和分割分支分别输出对应的叶片分类分数和叶片分割结果，选取叶片分类分数最高的叶片分割模块所输出的叶片分割结果作为所述待分割图像的叶片分割结果。3.根据权利要求1所述的方法，其特征在于，所述待分割图像包括不同尺度的图像，则将待分割图像输入所述植物叶片分割模型，得到对所述待分割图像的叶片分割结果，包括：将待分割图像的不同尺度的图像分别输入到所述植物叶片分割模型进行分割，得到不同尺度对应的叶片分割结果；将所述不同尺度对应的叶片分割结果统一到同一尺度并进行去重计算，得到所述待分割图像的叶片分割结果。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述分割分支包括4层3
×
3全卷积层、注意力机制模块和2层3
×
3全卷积层，则所述head网络的分割分支对接收到的对齐特征图进行图像分割得到叶片分割结果，包括：所述4层3
×
3全卷积层对输入的对齐特征图进行特征提取，得到新的对齐特征图并送入注意力机制模块；所述注意力机制模块对接收到的所述新的对齐特征图进行边缘增强，得到边缘增强后的新的对齐特征图并送入2层3
×
3全卷积层；所述2层3
×
3全卷积层对所述边缘增强的新的对齐特征图进行边缘特征提取和图像分割，得到叶片分割结果。5.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述样本数据集中样本图像包括原始图像以及原始图像经数据增强处理后的图像，所述数据增强处理包括图像镜像对称、图像旋转和图像尺度变换中的至少一种。
6.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述backbone网络对输入的样本图像进行特征提取得到样本特征图，包括：所述backbone网络采用滑动窗口的形式对输入的样本图像进行特征提取，得到h*w*c的样本特征图，其中h为特征图高度，w为特征图宽度，c为特征图通道数量。7.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述对齐特征图为尺度相同的的特征图，所述尺度为s*s*c，其中s为对齐后特征图的高度与宽度，c为对齐后特征图的通道数量。8.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述叶片分割模块的数量为2～4个。
技术总结
本发明公开了一种植物叶片分割方法，涉及图像处理领域。该方法包括：构建样本数据集，将样本数据集中的样本图像输入卷积神经网络中，该卷积神经网络包括Backbone网络、RPN网络和若干个级联的叶片分割模块，每个叶片分割模块包括ROIAlign网络和Head网络，每个Head网络包括分类分支、分割分支和检测分支，利用样本数据集基于卷积神经网络训练得到植物叶片分割模型，将待分割图像输入植物叶片分割模型，得到对待分割图像的叶片分割结果，其中待分割图像可采用多尺度分割策略。本发明提出的方法可以对存在遮挡的叶片、边缘不清晰的叶片以及小尺度叶片进行有效分割，促进深度学习在植物叶片分割领域的应用。片分割领域的应用。片分割领域的应用。
技术研发人员：郭亚 袁山 汤浩 仝德之
受保护的技术使用者：绿视芯科技（无锡）有限公司
技术研发日：2021.08.13
技术公布日：2021/11/16