专利交易市场

本发明公开了一种基于改进SiamFC的水果自动化采摘方法，涉及水果自动化采摘技术领域。本发明的一种基于改进SiamFC的水果自动化采摘方法，包括采集果树的视频，制作训练集和验证集；构建基于改进版SiamFC的深度学习网络模型；设置训练过程的权重初始化、超参数及优化器；将训练集输入构建的模型进行训练；将验证集输入到训练好的模型中进行检测。通过将待检测的果树视频输入到深度学习模型进行推断，以获得水果的位置、种类以及置信度，并反馈给水果自动化采摘装置进行采摘操作，避免出现人工检测费时费力、精确度不高的问题。

本发明请求保护一种基于多重注意力的孪生网络目标跟踪方法(SiamMAN,Siamese Multi‑attention Network)，属于计算机视觉技术领域。主要包括以下步骤：首先，为了更高效地利用目标特征信息来应对复杂背景干扰的问题，设计了一个多重注意力模块对特征进行优化，其中，通道注意力分支用于给更具判别性的通道赋予更高的权重，位置注意力分支充分利用目标的位置信息；其次，为了更好地利用浅层特征，在多重注意力模块中设计了一种特征融合方法，使用残差学习方法对浅层特征和经注意力分支优化后的特征进行融合，然后再融合两种注意力特征，进一步增强特征表示；最后，使用Focal‑EIoU损失作为回归损失函数，从而引导跟踪器生成更精确的跟踪框。