1.一种基于卷积神经网络的粮仓粮食数量监测方法,其特征在于,包括以下步骤:
(1)采集粮面图像;所述粮面图像包括粮面以及粮面上方的参考线;
(2)将所述粮面图像输入到搭建好的基于卷积神经网络的仓内图像分割模型中,识别出粮面以及参考线;
(3)计算所述粮面图像中的粮面与参考线之间的面积,并计算与预设的面积之间的误差,得到误差值,若所述误差值大于设定的误差阈值,则判定粮仓粮食数量发生变化。
2.根据权利要求1所述的基于卷积神经网络的粮仓粮食数量监测方法,其特征在于,所述仓内图像分割模型的搭建过程包括:采集粮面样本图像,对粮面样本图像中的粮面以及参考线进行标记,生成训练集;搭建卷积神经网络模型,将训练集输入到卷积神经网络模型进行训练,得到仓内图像分割模型。
3.根据权利要求2所述的基于卷积神经网络的粮仓粮食数量监测方法,其特征在于,所述仓内图像分割模型的搭建过程中,在对粮面样本图像中的粮面以及参考线进行标记后,采用图像集增强的方式生成更大规模的训练集。
4.根据权利要求2或3所述的基于卷积神经网络的粮仓粮食数量监测方法,其特征在于,步骤(2)中,识别出粮面图像中的粮面以及参考线的过程包括:将粮面图像缩放到与训练集对应的图像的大小,使用得到的仓内图像分割模型对粮面图像进行分割,获取初始的粮面以及参考线;然后,对获取到的初始的粮面以及参考线分别进行膨胀;最后,对粮面以及参考线分别进行细化,识别得到粮面以及参考线。
5.根据权利要求4所述的基于卷积神经网络的粮仓粮食数量监测方法,其特征在于,对获取到的初始的粮面以及参考线分别进行膨胀后,分别使用一个宽度等于训练集对应图像宽度的矩形框覆盖膨胀后的粮面以及参考线,使用GrabCut算法或者全连接CRF算法分别对粮面以及参考线进行细化。
6.根据权利要求4所述的基于卷积神经网络的粮仓粮食数量监测方法,其特征在于,使用得到的仓内图像分割模型对粮面图像进行分割后,利用粮面在装粮线的下方的先验信息,去除错分的区域。
7.根据权利要求5所述的基于卷积神经网络的粮仓粮食数量监测方法,其特征在于,所述参考线为装粮线,对所述参考线进行细化后,得到装粮线的上边界。
8.根据权利要求7所述的基于卷积神经网络的粮仓粮食数量监测方法,其特征在于,实现所述计算所述粮面图像中的粮面与参考线之间的面积的过程包括:计算粮面的每一个像素点到装粮线的上边界之间的垂直距离,根据各个垂直距离计算得到粮面与装粮线的上边界之间的面积。
9.一种基于卷积神经网络的粮仓粮食数量监测装置,包括存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序,其特征在于,所述处理器在执行所述计算机程序时实现的处理过程包括:(1)采集粮面图像;所述粮面图像包括粮面以及粮面上方的参考线;
(2)将所述粮面图像输入到搭建好的基于卷积神经网络的仓内图像分割模型中,识别出粮面以及参考线;
(3)计算所述粮面图像中的粮面与参考线之间的面积,并计算与预设的面积之间的误差,得到误差值,若所述误差值大于设定的误差阈值,则判定粮仓粮食数量发生变化。
10.根据权利要求9所述的基于卷积神经网络的粮仓粮食数量监测装置,其特征在于,所述仓内图像分割模型的搭建过程包括:采集粮面样本图像,对粮面样本图像中的粮面以及参考线进行标记,生成训练集;搭建卷积神经网络模型,将训练集输入到卷积神经网络模型进行训练,得到仓内图像分割模型。