CN115203451A - 用于植物图像的识别处理方法、系统和存储介质 - Google Patents

Abstract

本公开涉及一种用于植物图像的识别处理方法、系统和存储介质。方法包括：获取与植物相关联的输入图像，并且根据已训练的图像识别模型确定植物的区别特征，所述区别特征包括植物的分类和生长阶段；获取备选图像以及与每个所述备选图像对应的标签，其中所述标签包括每个所述备选图像中的植物的分类和生长阶段；以及从所述备选图像中选取所对应的标签与所述区别特征一致的备选图像作为输出图像在页面中显示。

Description

用于植物图像的识别处理方法、系统和存储介质

技术领域

本公开涉及图像识别技术领域，特别涉及一种用于植物图像的识别处理的方法、系统和存储介质。

背景技术

计算机技术领域中，存在用于识别植物的应用程序。这些应用程序通常接收来自用户的图像(包括静态图像、动态图像、以及视频等)，并基于由人工智能技术建立的图像识别模型对图像中的待识别植物的分类和生长阶段进行识别。例如，识别结果即植物的分类可以为植物的种(Species)等，植物的生长阶段可以为植物的花期、叶期、果期等。来自用户的输入图像通常包括待识别植物的至少一部分，例如，其中可以包括待识别植物的茎、叶、和花等。

目前有部分识别处理方法中，植物的识别结果页采用植物美图作为主图，但主图中植物的形态与用户拍摄的图像并不一样，例如用户拍摄的图像是苹果花，但是识别结果页显示的主图是苹果果实。识别结果的主图和用户拍摄图像的不一致有可能会降低答案的说服力，让用户更难以相信这就是正确的植物。

发明内容

本申请提出了一种用于植物图像的识别处理方法、系统和存储介质。

根据本公开的实施例的第一方面，提供了一种用于植物图像的识别处理方法，包括：获取与植物相关联的输入图像，并且根据已训练的图像识别模型确定植物的区别特征，其包括植物的分类和生长阶段；获取备选图像以及与每个备选图像对应的标签，其中标签包括每个备选图像中的植物的分类和生长阶段；以及从备选图像中选取所对应的标签与区别特征一致的备选图像作为输出图像在页面中显示。

根据本公开的实施例的第二方面，提供了一种用于植物图像的识别处理方法，包括：获取与植物相关联的输入图像，并且根据已训练的图像识别模型确定植物的区别特征，其包括植物的分类和生长阶段；获取备选图像以及与每个备选图像对应的标签，其中该标签包括每个备选图像中的植物的分类和生长阶段；以及从备选图像中选取所对应的标签包括区别特征中的分类和生长阶段、以及包括区别特征中的分类和不同于区别特征中的生长阶段的其他生长阶段的备选图像作为输出图像在页面中显示。

根据本公开的实施例的第三方面，提供了一种用于植物的识别处理系统，包括：一个或多个处理器；以及一个或多个存储器，其被配置为存储一系列计算机可执行指令以及与该一系列计算机可执行指令相关联的计算机可访问数据，其中，该一系列计算机可执行指令在由一个或多个处理器执行时，使得一个或多个处理器执行根据第一方面或第二方面的识别处理方法。

根据本公开的实施例的第四方面，提供了一种非暂态计算机可读存储介质，其上存储有一系列计算机可执行指令，其在由一个或多个计算装置执行时，使得该一个或多个计算装置执行根据第一方面或第二方面所述的识别处理方法。

根据本公开的实施例的优点在于提供了一种改进的用于植物图像的识别处理方法，在对输入图像进行识别处理时能够根据输入图像中的植物的分类和生长阶段等固有属性以及进行图像输入的用户属性等多种因素，从而获得更有针对性的识别结果展示。

根据本公开的实施例的另一优点在于在对图像中植物进行识别处理后在输出识别结果的同时提供与同一种植物在其它生长阶段的图像，以便用户提供更好的识别体验，从而降低用户取订率。

应当认识到，上述优点不需全部集中在一个或一些特定实施例中实现，而是可以部分分散在根据本公开的不同实施例中。根据本公开的实施例可以具有上述优点中的一个或一些，也可以替代地或者附加地具有其它的优点。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得更为清楚。

附图说明

图1是示出了根据本公开的实施例的用于植物的识别处理方法的一个示意图。

图2是示出了根据本公开的实施例的用于植物的识别处理方法的一个流程图。

图3是示出了根据本公开的实施例的对于用于植物的图像识别模型进行训练的流程图。

图4是示出了根据本公开的实施例的用于植物的识别处理方法另一个示意图。

图5是示出了根据本公开的实施例的用于植物的识别处理方法的另一个流程图。

图6A至图6C是示出了根据本公开的用于植物的识别处理方法的一个实施例的示意图。

图7示出了根据本公开的实施例的识别处理系统的示例性配置。

图8示出了可以实现根据本公开的实施例的计算设备的示例性配置。

具体实施方式

下面将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。也就是说，本文中的结构及方法是以示例性的方式示出以说明本公开中的结构和方法的不同实施例。然而，本领域技术人员将会理解，它们仅仅说明可以用来实施的本公开的示例性方式，而不是穷尽的方式。此外，附图不必按比例绘制，一些特征可能被放大以示出具体组件的细节。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

需要注意的是，本申请中的实施例以植物作为图像识别的对象，这并不意味着所公开的技术方案仅限于植物图像的识别。一般而言，本申请深入研究了用于对象识别的方法及系统。为了简化描述，以下示例性实施例中以植物作为对象的示例，但是应该认识到的是，本公开中的“对象”包括但不限于动物、人物、景物、自然物、建筑物、商品、食品、药品、和/或日用品等。

图1是示出了根据本公开的实施例的用于植物的识别处理方法的一个示意图。如图所示，用户使用该识别处理方法对输入图像1000中所包含的植物进行图像识别处理。首先将输入图像1000输入到针对植物图像的识别处理模型1200，该模型1200已经预先进行过数据训练以达到一定的准确率，可以用于识别输入图像1000中所包含的植物种类等其它信息。随后，基于识别出的信息进一步处理得到输出页面1400，其中可以包括从一系列备选图像中选出的作为结果的输出图像1402(在一些实施例中，页面1400中还可以包括输出图像1301、1302、1303)。

在一个非限制性实施例中，用户使用本申请中的识别处理方法来获取要识别的对象(植物)相关的信息，诸如用户对于某个植物感兴趣，希望获知该植物所属的分类、生长地、生长阶段或季节等信息。输入图像1000可以由用户实时拍摄，或者从存储装置中预存储的数据库读取，或者经由有线/无线网络通信以实现在线获取。用户可以通过相机等成像装置或便携式设备内置的镜头进行拍摄，或由其它外置设备成像后经由与便携式设备等的通信进行图像的传输。此外，输入图像1000可以包括任何形式的视觉呈现，例如静态图像、动态图像、以及视频等。

输入图像1000随后进入已训练的识别处理模型1200。在本申请的示例性实施例中，该模型1200为植物识别模型。当待识别的对象为其它类型时，所采用的相应模型可以是针对其他类型的识别处理模型。识别处理模型1200可以包括按照地理区域划分的多个识别模型。例如，地理区域可以按照北美、东亚、欧洲等较大面积的区域划分，也可以按照中国的长三角、珠三角、西北地区的等较小面积的区域进行划分。在一个非限制性示例中，可以根据待识别的植物的生长地(即位置信息)调用不同的识别模型，例如美国和中国的识别模型分别是利用各自地理区域的不同植物样本训练建立的不同图像识别模型等。

识别处理模型1200首先对输入图像1000中包含的对象进行判断，当识别出该对象属于植物时进入后续的处理步骤；如果识别的对象不包括植物时则给出错误提示，以提醒用户重新输入图像或调整待识别的图像区域等。由于用户获取的植物图片通常存在背景物体，或者图片中待识别植物的周围存在其他植物的部分区域，因此可以采用多目标识别(object detection)或者采用mask-rcnn等方法在图片中准确找到待识别植物的区域，以供识别模型的进一步识别。

随后，对于识别出的对象属于植物的输入图像1000，识别处理模型1200进一步确定该植物的区别特征。区别特征指的是将图像中的植物与其它类型或其它生长阶段的植物进行区分的个性化信息，包括但不限于该植物的生物学分类、常见名称、流行品种等通用信息，以及针对该植物本身的所拍摄部位、所处生长阶段、拍摄时所处季节、生长地所处位置等专属信息。具体而言，植物的生物学分类包括界、门、纲、目、科、属、种等七个主要级别，所拍摄部位包括树干、芽、种子、花苞、果子、以及幼苗等主要组成部分，所处生长阶段包括刚冒土苗期、小苗期、叶期、花期、果期、落叶期、以及休眠期等，拍摄时所处季节包括春、夏、秋、冬四季或者二十四节气等，生长地所处位置可以由用户主动上传的定位信息或者由成像装置与便携式设备进行通信中获得的位置信息确定。

在一些实施例中，可以根据识别出的影像中的植物的部位，来确定输出的分类层级。在一些情况下，如果影像中的植物的部位为树干、芽、种子、花苞、果子或幼苗，会比较难获得较为准确的物种信息(即分类层级为种的信息)。在这些情况下，如果直接输出识别到种的结果，很有可能是错误的，这样会给用户带来误导或者是引起其困惑。而此时如果识别到属(Genus)的信息一般是较为准确的。而如果影像中的植物的部位为叶、花、茎、根等特征部位，则识别出的物种信息通常是可靠的。因此，响应于影像中的植物的部位为树干、芽、种子、花苞、果子、以及幼苗中的一种，确定输出的分类层级为属；以及响应于影像中的植物的部位为叶、花、茎、以及根中的一种，确定输出的分类层级为种。

植物识别模型提供的识别结果通常包括被识别植物的一个或多个分类。一个或多个分类按置信度(该分类接近真实分类的可信程度)由高到低排列。在一个实施例中，植物识别模型提供的识别结果所包括的一个或多个分类的分类层级为种。可以根据种与属的对应关系获知各个识别结果的分类层级为属的分类。在一个实施例中，植物识别模型提供的识别结果所包括的一个或多个分类的分类层级为种和属。

在已经确定区别特征的情况下，从预先存储的备选图像中选取与输入图像1000所包含的植物相对应的图像。在预先建立的备选图像的数据库中，一系列备选图像包括诸如显示植物的叶的备选图像、显示植物的花的备选图像以及显示植物的果的备选图像。需要注意的是，所列举的备选图像仅为示例性而非限制性的，在其它实施例中，可以为植物的至少一个部位中的每个部位预存储一张或多张备选图像，也可以有选择地为重要部位/生长阶段预存储备选图像。

在一些实施例中，可以为一些植物分类的热门生长阶段预存储一张或多张备选图像。热门生长阶段可以基于在历史识别的各输入图像中该分类的各生长阶段被识别的次数来确定，例如，将被识别的次数大于阈值的生长阶段确定为热门生长阶段。这些历史识别的输入图像，可以仅包括当前用户的历史识别数据，也可以包括其他用户的历史识别数据。预设一个用于评估生长阶段是否热门的阈值，如果针对该分类的某个生长阶段的识别次数大于预设的阈值，则可以认为该生长阶段对于该植物分类具有代表性，可以将该生长阶段确定为该植物分类的热门生长阶段。

在一些实施例中，可以为一些植物分类的强识别特征预存储一张或多张备选图像。植物的强识别特征，可以是该植物的重要部位或生长阶段，例如对于多肉植物，叶/叶期可以作为该植物的强识别特征；例如对于养殖类花卉植物，花/花期可以作为该植物的强识别特征等。

可替代地，备选图像中还可以针对植物的每个分类预存储至少一个样本图像，其中包括针对植物的至少一个部位的局部图像或针对植物的整体的整体图像。可替代地，备选图像中每个图像中所包含的植物具备不同的分类、生长阶段和/或部位，这些不同标签对应的备选图像数量可以是相同的，也可以是不同的。

另一方面，与预存储的备选图像同时地预存储与备选图像中每个图像对应的标签，该标签所包含的信息与输入图像1000的区别特性相关联，即包括但不限于其中植物的生物学分类、常见名称、流行品种以及图像的所拍摄部位、所处生长阶段、拍摄时所处季节、生长地所处位置等专属信息中一个或多个。基于此，将备选图像对应的标签与输入图像1000的区别特征进行匹配，进而从备选图像中选取其所对应的标签与输入图像1000所包含的植物的区别特征一致的图像作为输出图像1402。

需要注意的是，上述针对输入图像1000的区别特征所包括的不同信息(诸如生长地、部位、所处季节)以及备选图像的标签所包括的专属信息仅为示例性。即，在不同的实现方式中输入图像1000的区别特征中并未包括所有种类的专属信息，而是仅包括其中的一种或几种，备选图像的标签所包括的信息种类与输入图像1000的区别特征相对应。

在一个非限制性实施例中，备选图像及其对应的标签相关联地预存储在数据库中。该数据库可以是内容管理系统(CMS)，以对例如文本文件、图片、数据库中的数据、表格等内容进行提交、修改、发布等，其可以辅助WEB前端将内容以个性化的方式提供给用户，即提供个性化的门户框架，以将内容更好地推送给用户。在本公开的实施例中，这样的数据库可以存储有对植物及其区别特征和/或标签的描述性内容，这些描述性内容可以是文字的或者是图片的，例如可以包括各种字段、文章等，从而使得用户能够从中提取并输出关于植物的分类、生长阶段、生长地等。

在另一个非限制性实施例中，如果输入图像1000中显示了一种植物(或植物部位)，并且与该输入图像1000相关联的区别特征包括与拍摄有关的位置信息，同时获取该图像拍摄于第一产地所在区域的相应信息，则需要在备选图像中匹配涉及区域的标签。例如，在预存储备选图像及其标签的数据库中检索与生长地在第一产地及其附近的标签相关联的图像作为输出图像。换言之，用户在使用本申请的识别处理方法时，通过识别处理模型对输入图像1000进行识别和后续处理后，可以在输出页面1400中显示拍摄当前地点或者所使用的图像的关联地点中的图像。

在又一个非限制性实施例中，如果输入图像1000中显示了一种植物(或植物部位)，并且与该输入图像1000相关联的区别特征包括与拍摄有关的季节信息，同时获取该图像拍摄于秋季或执行识别处理的当前时间为秋季的相关信息，则需要在备选图像中匹配涉及秋季的标签。例如，以图1中的输入图像1000为例，该图像所显示的是一种苹果的果实，根据其生长阶段等区别特征，可以确定拍摄时处于果实成熟的秋季，则通过图像识别模型进行识别和后续处理后，可以在输出页面1400中显示该植物的不同部位中包括秋季的标签相关联的图像。

在又一个非限制性实施例中，可以根据用户输入图像1000中植物的各部分所占输入图像1000画面的比例(例如面积比、像素比等)来确定输出图像1402。可以使用已知的计算机视觉技术确定输入图像1000中植物各部分所占画面的比例，将各部分的比例进行缩放以确定一个范围，从备选图像中选取相应植物的各部分所占备选图像的画面比例在该范围内的图像作为输出图像1402。例如，用户输入图像1000中苹果花占画面的50％并且叶占画面的25％，可以将各部分的比例分别缩放20％，则可以在备选图像中选择苹果花占画面的比例在40％～60％范围内并且叶占画面的比例在20％～30％范围内的图像。应当理解，在这样的实施例中，预存储的备选图像所对应的标签可以包括对应的备选图像中植物各部分所在画面比例的信息。基于此，可以选择备选图像对应的标签指示的各部分比例在上述范围内的图像作为输出图像1402。

在一些实施例中，输出页面1400可以包括根据识别模型1200的结果而确定的多张输出图像，例如，在页面1400中被较主要地显示的主要输出图像1402、以及在页面1400中被较次要地显示的一个或多个次要输出图像1301、1302、1303。主要显示和次要显示可以使用图像在页面中的显示尺寸来区分，例如主要输出图像的尺寸大于次要输出图像；还可以使用图像在页面中的显示是否默认来取人，例如默认显示主要输出图像，并在接收到特定操作时显示次要输出图像。

在一些实施例中，主要输出图像1402可以是从备选图像中选取的所对应的标签与识别的输入图像的区别特征(例如分类和生长阶段)一致的备选图像，次要输出图像1301、1302、1303可以是从备选图像中选取的所对应的标签包括输入图像的区别特征中的分类但不包括区别特征中的生长阶段的备选图像。在有多个次要输出图像的情况下，可以对各个次要输出图像的显示顺序进行排布，例如将被确定为优先显示的图像排布在前面。可以将包含上述热门生长阶段、或强识别特征的图像确定为优先显示的图像。

在另一个非限制性实施例中，响应于所对应的标签包括区别特征的分类的备选图像的标签均不包区别特征中的生长阶段，即在备选图像中没有预存储有体现输入图像1000中的生长阶段的图像，则将输入图像1000本身作为输出图像1402在页面1400上显示。

在一个非限制性实施例中，显示页面还具有从备选图像中选取的与输入图像1000相关联的多个相似图像，其中相似图像所对应的标签包括与区别特征中的分类相似的分类。例如，当输入图像1000中所包含的植物分类为向日葵时，则包括同属于菊科的雏菊的图像为与识别结果相对应的相似图像。一般地，相比于输出图像1402和1301至1303而言，相似图像在显示页面1400中较次要地显示。特别地，多个相似图像需要按照预定顺序排布显示。相似图像的预定顺序由其所对应的标签是否包括区别特征中的生长阶段确定，对于包括相应生长阶段的相似图像在多个相似图像中被排布为优先显示。

在另一个非限制性实施例中，输出页面1400为被默认呈现的第一页面，即为用户呈现识别处理后显示的默认输出页面。在第一页面之外还可以包括多个其它页面，诸如显示第二输出图像的第二页面，其中响应于用户特定操作，显示页面从默认地第一页面切换为呈现第二页面。第二输出图像包括从备选图像中选取的所对应的标签包括区别特征中的分类并且包括不同于区别特征中的生长阶段的其他生长阶段的图像，即第二输出图像相比于默认输出图像能够显示被识别植物的不同生长阶段，以供用户通过切换来获取识别的结果及相关信息。而用户的特定操作主要在第一页面中在对应于特定生长阶段的可操作区域进行，包括与诸如键盘、鼠标、触摸屏、麦克风等一个或多个输入设备的信息交互等。进一步地，第二页面中还可以显示多个图像，诸如第二相似图像，所对应的标签包括与区别特征中的分类相似的分类并且包括前述特定生长周期，相比于第二输出图像较次要地显示在第二页面中。如前所述，显示页面在未接收到用户的其它指示或操作之前默认显示作为对应于“Now(当前)”选项卡的第一页面，例如，基于向日葵的识别结果默认显示当前的主要输出图像。响应于用户操作切换到显示次要输出图像的第二页面，如用户点击“Blooming(开花)”选项卡时显示向日葵的开花图，或者点击“Fruit(果实)”选项卡时显示向日葵的果实图。

具体而言，图1示出了根据本申请的一个非限制性实施例，其中输入图像1000中显示的是一种苹果的果实，其经过本申请的识别处理方法后得到的区别特征包括作为分类的苹果，作为生长阶段/部位的果实。从系列备选图像中选取标签与上述区别特征一致的图像，即同样包括“苹果”、“果实”的输出图像1402。可替代地，在输出页面1400中，输出图像1402作为主要输出图像被以较大的尺寸主要地显示。此外，页面1400中还以较小的尺寸次要地显示次要输出图像，例如，包括苹果叶的输出图像1301、包括苹果花的输出图像1302、和包括苹果果实的输出图像1303。也即，用户通过本申请中的识别处理方法输入有关苹果果实的图像1000，经由已训练的识别处理模型1200输出与输入图像1000相对应的各输出图像。

对于识别处理模型1200，可以包括任何已知的基于影像进行植物识别的方法。例如，可以通过计算装置和已训练的植物图像识别模型对影像中的被识别植物进行识别，以得到识别结果，即植物的分类。可以基于神经网络(例如深度卷积神经网络(CNN)或深度残差网络(Resnet)等)来建立图像识别模型。关于识别处理模型1200的训练过程将在稍后详细描述。

在一个示例中，识别处理模型1200采用卷积神经网络模型。卷积神经网络模型为深度前馈神经网络，其利用卷积核扫描植物图片，提取出植物图片中待识别的特征，进而对植物待识别的特征进行识别。另外，在对植物图片进行识别的过程中，可以直接将原始植物图片输入卷积神经网络模型，而无需对植物图片进行预处理。卷积神经网络模型相比于其他的识别模型，具备更高的识别准确率以及识别效率。

在另一个示例中，识别处理模型1200采用残差网络模型。残差网络模型相比于卷积神经网络模型多了恒等映射层，可以避免随着网络深度(网络中叠层的数量)的增加，卷积神经网络造成的准确率饱和、甚至下降的现象。残差网络模型中恒等映射层的恒等映射函数需要满足：恒等映射函数与残差网络模型的输入之和等于残差网络模型的输出。引入恒等映射以后，残差网络模型对输出的变化更加明显，因此可以大大提高植物生理期识别的识别准确率和识别效率，进而提高植物的识别准确率和识别效率。

下面将结合图2说明根据本公开的实施例的用于植物的识别处理方法2000。具体而言，在步骤S201中，获取与植物相关联的输入图像，并且根据已训练的图像识别模型确定植物的区别特征，其包括植物的分类和生长阶段。接着，在步骤S202中，获取备选图像以及与每个备选图像对应的标签，其中该标签包括每个备选图像中的植物的分类和生长阶段。随后在步骤S203中，从备选图像中选取所对应的标签与区别特征一致的备选图像作为输出图像在页面中显示。

图3是示出了根据本公开的实施例的对于用于植物的图像识别模型进行训练的流程图。需要注意的是，以下实施例给出的是针对植物的分类进行识别的图像模型，但本申请的技术方案不限于此，本申请还可以用于对植物的生长期的识别等其它情形。如图3所示，首先，在步骤S301中，针对植物的每个分类准备包含对应标签的至少一个图像样本。接着，在步骤S302中，从该至少一个图像样本中挑选第一数量的样本作为测试集，将至少一个图像样本中余下的第二数量的样本作为训练集。随后在步骤S303中，利用训练集对图像识别模型进行训练，并利用测试集对已训练的图像识别模型的准确率进行验证。

具体而言，步骤S301中的至少一个图像样本包括针对每个分类的植物的图像及其相关联的标签，这些标签包括图像中的植物所涉及的生长阶段、部位、生长地等。每个分类的植物中图像数量可是相等的，也可以不等。步骤S302中对测试集和训练集的挑选可以由人工执行，也可以由硬件设备或软件程序等自动随机完成。其中测试集对应的第一数量占所有图像样本的总数的5％至20％。在步骤S303的验证中，若准确率大于或者等于预设准确率，则训练结束。在验证的准确率小于预设准确率时，可以针对植物的每个分类增加准备第三数量的图像样本以对图像识别模型进行再次训练。可替代地，也可以调整第一数量与第二数量的比例以对所述图像识别模型进行再次训练。在对图像识别模型进行训练后，可以根据训练的验证结果来调整第一数量与第二数量的比例，即调整测试集站所有图像样本总数的比例。

图4是示出了根据本公开的实施例的用于植物的识别处理方法另一个示意图。为简洁计，该方法与图1所示的是识别处理方法中重复的步骤在此不做赘述，仅针对该方法与图1的区别进行描述。

如图所示，用户使用该识别处理方法对输入图像4000中所包含的植物进行图像识别处理。首先将输入图像4000输入到针对植物图像的识别处理模型4200，该模型已经预先进行过数据训练以达到一定的准确率，可以用于识别输入图像4000中所包含的植物种类等其它信息。随后，基于识别出的信息进一步处理得到输出页面4400，其中包括输出图像4401、4402、4403。

具体而言，图4中的识别处理方法与图1中的方法主要的区别在于经过图像识别后的输出页面4400。输入图像4000进入识别处理模型4200后识别得到其中所包含的植物的区别特征，其中至少包括该植物的分类和生长阶段。基于所得的区别特征确定与该植物的分类和生长阶段相对应的标签，从而在备选图像中选取与这些标签相对应的图像。输出页面4400中的每个输出图像被配置为可被操作以改变其在页面中的显示位置。

输出图像可以包括被优先显示的当前图像4402和响应于特定操作而显示的其他图像4401、4403、4404。其中，当前图像4402可以是从备选图像中选择的其所对应的标签包括区别特征中的分类和生长阶段的输出图像，其他图像4401、4403、4404可以是从备选图像中选择的其所对应的标签包括区别特征中的分类和不同于区别特征中的生长阶段的其他生长阶段的输出图像。如果所对应的标签包括区别特征中的分类的各备选图像的标签均不包括区别特征中的生长阶段，则将输入图像4000作为当前图像在输出页面4400中显示。在多个其他图像4401、4403、4404中，可以将包括相应植物分类的热门生长阶段和/或强识别特征的图像优先显示，例如被排布在靠近当前图像4402处显示(例如，相比于图像4404，图像4401、4403被较优先地显示)。

图4示出了本申请的一个非限制性实施例，其中输入图像4000中显示的是一种苹果的果实，其经过识别处理模型4200的识别而得到的区别特征包括苹果(分类)和果实(生长阶段/部位)。在这种情况下，备选图像中被选取的是同样含有“苹果”的输出图像4401(“苹果”、“果实”)、输出图像4402(“苹果”、“果实”)、输出图像4403(“苹果”、“花”)以及输出图像4404(“苹果”、“叶”)等。在页面4400中除了上述一系列输出图像之外，还包括用于切换不同备选图像的切换条4420。响应于用户通过包括但不限于鼠标、键盘、触摸屏等输入设备通信的输入信号，切换条4420被配置为根据输入信号(诸如用户的点击或滑动操作)在显示界面的方向而切换被主要显示的备选图像。可替代地，显示界面上还可以包括选择按钮4440，诸如“Fruit(果实)”、“Now(当前)”以及“Blooming(开花)”等按钮，以便于用户进行选择以查看所识别的植物的相应生长阶段/部位。

具体而言，识别处理后得到的输出图像的展示方式可以与图1中的方法步骤类似，也可以采用主动切换的方式。即，可以优先展示用户的输入图像4000相对应的生长阶段相似的图像；也可以设置为由用户经由切换条4420和选择按钮4440对展示图像进行切换。在一个非限制性实施例中，用户在预览模式中选择切换至“Blooming”按钮，则当前模式下的第一张就为所识别的植物开花的图像。此时点击对应的图像可以进入预览模式，开花的图像为当前顺序下的第一张，后面跟着多张相似的图像供用户参考。这些相似的图像可以按照当前所切换的按钮对应生长阶段进行排序，也可以为默认顺序。

与图1中的实施例相似，备选图像以及相关联的标签可以预先存储在数据库中。在一个非限制性实施例中，在一个非限制性示例中，可以预先针对每个分类的植物设定与生长阶段相关联的强识别特征，该强识别特征用于标注针对该分类的植物具有代表性的生长阶段，从而确定备选图像的显示顺序。

可替代地，可以统计用户在植物的每个生长阶段的取订率。取订指用户不再订阅或使用提供本公开的方法的应用程序(APP)的一个或多个功能。在植物的不同生长期，用户的取订率也有所不同，一般而言，叶的取订率>花的取订率>果的取订率。取订率反映了用户对识别出某种植物是否有长期关注的兴趣。为了更好地对用户进行留存，除了在识别结果页展示当前生长状态对应的主图，也可以在识别结果页向用户展示一些取订率较低的生长状态对应的主图(如植物的开花状态图和结果状态图)。具体地，为用户取订率预设第二阈值，如果针对某个植物的分类的用户取订率低于第二阈值，即用户取消订阅的比率偏低，亦即用户对当前识别的植物的部位/生长阶段有兴趣。此时，确定输出图像4400中用户感兴趣的部位/生长阶段在排布显示中被优先显示。

可替代地，如果识别处理模型4200在对输入图像4000进行识别的过程中，未能基于识别输入图像4000的区别特征从备选图像中选取到标签与该区别特征一致的图像，诸如在预存储备选图像及其标签的数据库中并不包括与输入图像4000中的植物的分类、生长阶段、部位等相关联的图像，此时无法将已有的备选图像作为输出结果，故直接将输入图像4000输出为识别结果(即输出图像)。

图5是示出了根据本公开的实施例的用于植物的识别处理方法的另一个流程图。在步骤S501中，获取与植物相关联的输入图像，并且根据已训练的图像识别模型确定植物的区别特征。接着，在步骤S502中，获取备选图像以及与每个备选图像对应的标签。随后在步骤S503中，从备选图像中选取所对应的标签包括区别特征中的分类和生长阶段、以及包括区别特征中的分类和不同于区别特征中的生长阶段的其他生长阶段的备选图像作为输出图像在页面中显示。

图6A至图6C是示出了根据本公开的用于植物的识别处理方法的一个实施例的示意图。图6A至6C分别示出了基于本申请的实施例中的识别结果页面，其中图6A中示出了用户需要系统识别的当前图像6100，图6B中示出了基于当前图像6100识别出所属于分类、部位/生长阶段等区别特征而被选择显示的花期图像6200(“Blooming”按钮)，图6C中示出了基于前述区别特征而被选择显示的果期图像6300(“Fruit”按钮)。

以图6C为例，基于输入图像(当前图像)6100识别出的区别特征反映在识别信息6320部分，其中包括但不限于植物名称、常见名称、流行品种及属等。此外，在当前植物的专属识别结果页中，除了作为输出图像的果期图像6300之外，还显示出了相似图像6340，从而为用户提供更多针对当前植物的参考信息。

图7示出了根据本公开的实施例的识别处理系统的示例性配置。如图7所示，识别处理系统7000可以包括处理器7100和存储器7200，存储器7200上存储有指令，当指令被处理器7100执行时，可以实现如上文所描述的识别处理方法中的步骤。

其中，处理器7100可以根据存储在存储器7200中的指令执行各种动作和处理。具体地，处理器7100可以是一种集成电路芯片，具有信号的处理能力。上述处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本公开实施例中公开的各种方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，可以是X86架构或者是ARM架构等。

存储器7200存储有可执行指令7201和数据7202。该指令7201在被处理器7100执行上文所述的识别处理方法。存储器7200可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(SDRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、增强型同步动态随机存取存储器(ESDRAM)、同步连接动态随机存取存储器(SLDRAM)和直接内存总线随机存取存储器(DR RAM)。应注意，本文描述的方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施例中，识别处理系统7000还可以被配置为对输入图像进行识别，以获得多个备选图像。也就是说，对输入图像的识别和对识别所得的备选图像的筛选可以由同一识别处理系统7000实现。

在一些实施例中，识别处理系统7000可以被配置为用于对植物的识别。当然，在其它一些实施例中，识别处理系统7000也可以被配置为识别其它种类的对象。

图8示出了可以实现根据本公开的实施例的计算设备的示例性配置。该计算设备包括一个或多个处理器801、经由总线804连接到处理器801的输入/输出接口805以及连接到总线804的存储器802和803。在一些实施例中，存储器802可以是只读存储器(ROM)，存储器803可以是随机存储存储器(RAM)。

处理器801可以是任何种类的处理器，并且可以包括但不限于一个或多个通用处理器或专用处理器(诸如专用处理芯片)。存储器802和803可以是任何非暂态的并且可以实现数据存储的存储设备，并且可以包括但不限于盘驱动器、光存储设备、固态存储器、软盘、柔性盘、硬盘、磁带或任何其他磁性介质、压缩盘或任何其他光学介质、缓存存储器和/或任何其他存储芯片或模块、和/或计算机可以从其中读取数据、指令和/或代码的其他任何介质。

总线804可以包括但不限于工业标准架构(Industry Standard Architecture，ISA)总线、微通道架构(Micro Channel Architecture，MCA)总线、增强ISA(EISA)总线、视频电子标准协会(VESA)局部总线、以及外设组件互连(PCI)总线等。

在一些实施例中，输入/输出接口805与以下单元连接，由诸如供用户输入操作命令的键盘和鼠标之类的输入设备所配置的输入单元806、向显示设备输出处理操作画面和处理结果的图像的输出单元807、包括用于存储程序和各种数据的硬盘驱动器等的存储单元808以及包括局域网(LAN)适配器等并经由以互联网为代表的网络执行通信处理的通信单元809。此外，还连接了驱动器810，该驱动器810从可移除存储介质811读取数据和在其上写数据。

可单独地或以任何组合方式来使用前述实施方案的各个方面、实施方案、具体实施或特征。可由软件、硬件或硬件与软件的组合来实现前述实施方案的各个方面。

例如，前述实施方案可体现为计算机可读介质上的计算机可读代码。计算机可读介质为可存储数据的任何数据存储设备，所述数据其后可由计算机系统读取。计算机可读介质的示例包括只读存储器、随机存取存储器、CD-ROM、DVD、磁带、硬盘驱动器、固态驱动器和光学数据存储设备。计算机可读介质还可分布在网络耦接的计算机系统中使得计算机可读代码以分布式方式来存储和执行。

例如，前述实施方案可采用硬件电路的形式。硬件电路可以包括组合式逻辑电路、时钟存储设备(诸如软盘、触发器、锁存器等)、有限状态机、诸如静态随机存取存储器或嵌入式动态随机存取存储器的存储器、定制设计电路、可编程逻辑阵列等的任意组合。

在一个实施方案中，可以通过用诸如Verilog或VHDL的硬件描述语言(HDL)编码和设计一个或多个集成电路或者结合使用离散电路来实现根据本公开的硬件电路。

在说明书及权利要求中的词语“A或B”包括“A和B”以及“A或B”，而不是排他地仅包括“A”或者仅包括“B”，除非另有特别说明。

在本公开中，对“一个实施例”、“一些实施例”的提及意味着结合该实施例描述的特征、结构或特性包含在本公开的至少一个实施例、至少一些实施例中。因此，短语“在一个实施例中”、“在一些实施例中”在本公开的各处的出现未必是指同一个或同一些实施例。此外，在一个或多个实施例中，可以任何合适的组合和/或子组合来组合特征、结构或特性。

如在此所使用的，词语“示例性的”意指“用作示例、实例或说明”，而不是作为将被精确复制的“模型”。在此示例性描述的任意实现方式并不一定要被解释为比其它实现方式优选的或有利的。而且，本公开不受在上述技术领域、背景技术、发明内容或具体实施方式中所给出的任何所表述的或所暗示的理论所限定。

另外，仅仅为了参考的目的，还可以在下面描述中使用某种术语，并且因而并非意图限定。例如，除非上下文明确指出，否则涉及结构或元件的词语“第一”、“第二”和其它此类数字词语并没有暗示顺序或次序。还应理解，“包括/包含”一词在本文中使用时，说明存在所指出的特征、整体、步骤、操作、单元和/或组件，但是并不排除存在或增加一个或多个其它特征、整体、步骤、操作、单元和/或组件以及/或者它们的组合。

在本公开中，术语“部件”和“系统”意图是涉及一个与计算机有关的实体，或者硬件、硬件和软件的组合、软件、或执行中的软件。例如，一个部件可以是，但是不局限于，在处理器上运行的进程、对象、可执行态、执行线程、和/或程序等。通过举例说明，在一个服务器上运行的应用程序和所述服务器两者都可以是一个部件。一个或多个部件可以存在于一个执行的进程和/或线程的内部，并且一个部件可以被定位于一台计算机上和/或被分布在两台或更多计算机之间。

另外，本公开的实施方式还可以包括以下示例：

1、一种用于植物图像的识别处理方法，包括：

获取与植物相关联的输入图像，并且根据已训练的图像识别模型确定植物的区别特征，所述区别特征包括植物的分类和生长阶段；

获取备选图像以及与每个所述备选图像对应的标签，其中所述标签包括每个所述备选图像中的植物的分类和生长阶段；以及

从所述备选图像中选取所对应的标签与所述区别特征一致的备选图像作为输出图像在页面中显示。

2、根据1所述的识别处理方法，还包括：

预先建立备选图像的数据库，在各备选图像中针对植物的每个分类包括至少一个样本图像，所述至少一个样本图像包括针对植物的至少一个部位的局部图像和/或针对植物的整体的整体图像。

3、根据1所述的识别处理方法，其中：

所述备选图像与所对应的标签相关联地预存储在数据库中。

4、根据1所述的识别处理方法，其中：

所述区别特征还包括植物的生长地、部位和所处季节中的至少一个特征，并且所述标签包括所对应的备选图像中的植物的生长地、部位和所处季节中与所述至少一个特征相对应的至少一项。

5、根据4所述的识别处理方法，其中：

获取与输入图像相关联的当前区域信息；以及

根据当前区域信息从数据库中检索包括的生长地与当前区域信息对应的标签，从而确定与该标签相关联的所述备选图像作为输出图像。

6、根据4所述的识别处理方法，其中：

获取与输入图像相关联的当前季节信息；以及

根据当前季节信息从数据库中检索包括的所处季节与当前季节信息对应的标签，从而确定与该标签相关联的所述备选图像作为输出图像。

7、根据1所述的识别处理方法，还包括：

预先建立备选图像的数据库，在各备选图像中针对植物的每个分类包括对应于热门生长阶段的至少一个样本图像，所述热门生长阶段基于在历史识别的各输入图像中该分类的各生长阶段被识别的次数来确定。

8、根据7所述的识别处理方法，其中：

被识别的次数大于阈值的生长阶段被确定为热门生长阶段。

9、根据1所述的识别处理方法，还包括：

预先建立备选图像的数据库，在各备选图像中针对植物的每个分类包括对应于该分类的强识别特征的至少一个样本图像。

10、根据1所述的识别处理方法，还包括：

响应于所对应的标签包括所述区别特征中的分类的各所述备选图像的标签均不包括所述区别特征中的生长阶段，将所述输入图像作为输出图像。

11、根据1所述的识别处理方法，其中，所述输出图像为在页面中被较主要地显示的主要输出图像，所述方法还包括：

从所述备选图像中选取所对应的标签包括所述区别特征中的分类但不包括所述区别特征中的生长阶段的一个或多个次要输出图像，所述次要输出图像在页面中被较次要地显示。

12、根据1所述的识别处理方法，还包括：

从所述备选图像中选取多个相似图像在页面中显示，所述相似图像所对应的标签包括与所述区别特征中的分类相似的分类，所述相似图像在页面中相比于输出图像被较次要地显示，

其中，其所对应的标签包括所述区别特征中的生长阶段的相似图像在所述多个相似图像中被排布为优先显示。

13、根据1所述的识别处理方法，其中，所述页面为被默认呈现的第一页面，所述方法还包括：

响应于特定操作，还呈现第二页面，其中，第二页面中显示第二输出图像，第二输出图像包括从所述备选图像中选取的所对应的标签包括所述区别特征中的分类并且包括不同于所述区别特征中的生长阶段的其他生长阶段的图像。

14、根据13所述的识别处理方法，其中：

第二页面中还显示第二相似图像，所述第二相似图像所对应的标签包括与所述区别特征中的分类相似的分类，其中所述第二相似图像在第二页面中相比于第二输出图像被较次要地显示。

15、根据13所述的识别处理方法，其中：

所述特定操作为对第一页面中对应于其他生长阶段的可操作区域的操作。

16、根据1所述的识别处理方法，其中：

植物的生长阶段包括冒土苗期、小苗期、叶期、花期、果期、落叶期、以及休眠期。

17、根据4所述的识别处理方法，其中：

植物的部位包括树干、芽、种子、花苞、果子、以及幼苗。

18、一种用于植物图像的识别处理方法，包括：

获取与植物相关联的输入图像，并且根据已训练的图像识别模型确定植物的区别特征，所述区别特征包括植物的分类和生长阶段；

获取备选图像以及与每个所述备选图像对应的标签，其中该标签包括每个所述备选图像中的植物的分类和生长阶段；以及

从所述备选图像中选取所对应的标签包括所述区别特征中的分类和生长阶段、以及包括所述区别特征中的分类和不同于所述区别特征中的生长阶段的其他生长阶段的备选图像作为输出图像在页面中显示。

19、根据18所述的识别处理方法，其中：

每个输出图像被配置为可被操作以改变其在页面中的显示位置。

20、根据19所述的识别处理方法，其中：

所述操作包括经由输入设备的点击和/或滑动。

21、根据18所述的识别处理方法，其中：

将输出图像中其所对应的标签包括所述区别特征中的分类和生长阶段的输出图像作为当前图像优先显示，并将输出图像中其所对应的标签包括所述区别特征中的分类和其他生长阶段的输出图像配置为响应于特定操作而显示。

22、根据21所述的识别处理方法，其中：

响应于所对应的标签包括所述区别特征中的分类的各所述备选图像的标签均不包括所述区别特征中的生长阶段，将所述输入图像作为当前图像。

23、根据21所述的识别处理方法，其中：

输出图像中其所对应的标签包括所述区别特征中的分类和其他生长阶段的输出图像被排布以使得如下被排布在靠近当前图像处：

其所对应的标签包括对应于相应分类的热门生长阶段，所述热门生长阶段基于在历史识别的各输入图像中该分类的各生长阶段被识别的次数来确定；或

其所对应的标签包括对应于相应分类的强识别特征的生长阶段。

24、一种用于植物的识别处理系统，包括：

一个或多个处理器；以及

一个或多个存储器，所述一个或多个存储器被配置为存储一系列计算机可执行指令以及与所述一系列计算机可执行指令相关联的计算机可访问数据，

其中，所述一系列计算机可执行指令在由所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据1-23中任一项所述的方法。

25、一种非暂态计算机可读存储介质，其上存储有一系列计算机可执行指令，所述一系列计算机可执行指令在由一个或多个计算装置执行时，使得所述一个或多个计算装置执行根据1-23中任一项所述的方法。

本领域技术人员应当意识到，在上述操作之间的边界仅仅是说明性的。多个操作可以结合成单个操作，单个操作可以分布于附加的操作中，并且操作可以在时间上至少部分重叠地执行。而且，另选的实施例可以包括特定操作的多个实例，并且在其他各种实施例中可以改变操作顺序。但是，其它的修改、变化和替换同样是可能的。因此，本说明书和附图应当被看作是说明性的，而非限制性的。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。在此公开的各实施例可以任意组合，而不脱离本公开的精神和范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本公开的范围和精神。本公开的范围由所附权利要求来限定。

Claims (10)

1.一种用于植物图像的识别处理方法，包括：

获取与植物相关联的输入图像，并且根据已训练的图像识别模型确定植物的区别特征，所述区别特征包括植物的分类和生长阶段；

获取备选图像以及与每个所述备选图像对应的标签，其中所述标签包括每个所述备选图像中的植物的分类和生长阶段；以及

从所述备选图像中选取所对应的标签与所述区别特征一致的备选图像作为输出图像在页面中显示。

2.根据权利要求1所述的识别处理方法，还包括：

预先建立备选图像的数据库，在各备选图像中针对植物的每个分类包括至少一个样本图像，所述至少一个样本图像包括针对植物的至少一个部位的局部图像和/或针对植物的整体的整体图像。

3.根据权利要求1所述的识别处理方法，其中：

所述备选图像与所对应的标签相关联地预存储在数据库中。

4.根据权利要求1所述的识别处理方法，其中：

所述区别特征还包括植物的生长地、部位和所处季节中的至少一个特征，并且所述标签包括所对应的备选图像中的植物的生长地、部位和所处季节中与所述至少一个特征相对应的至少一项。

5.根据权利要求4所述的识别处理方法，其中：

获取与输入图像相关联的当前区域信息；以及

根据当前区域信息从数据库中检索包括的生长地与当前区域信息对应的标签，从而确定与该标签相关联的所述备选图像作为输出图像。

6.根据权利要求4所述的识别处理方法，其中：

获取与输入图像相关联的当前季节信息；以及

根据当前季节信息从数据库中检索包括的所处季节与当前季节信息对应的标签，从而确定与该标签相关联的所述备选图像作为输出图像。

7.根据权利要求1所述的识别处理方法，还包括：

预先建立备选图像的数据库，在各备选图像中针对植物的每个分类包括对应于热门生长阶段的至少一个样本图像，所述热门生长阶段基于在历史识别的各输入图像中该分类的各生长阶段被识别的次数来确定。

8.一种用于植物图像的识别处理方法，包括：

获取与植物相关联的输入图像，并且根据已训练的图像识别模型确定植物的区别特征，所述区别特征包括植物的分类和生长阶段；

获取备选图像以及与每个所述备选图像对应的标签，其中该标签包括每个所述备选图像中的植物的分类和生长阶段；以及

从所述备选图像中选取所对应的标签包括所述区别特征中的分类和生长阶段、以及包括所述区别特征中的分类和不同于所述区别特征中的生长阶段的其他生长阶段的备选图像作为输出图像在页面中显示。

9.一种用于植物的识别处理系统，包括：

一个或多个处理器；以及

一个或多个存储器，所述一个或多个存储器被配置为存储一系列计算机可执行指令以及与所述一系列计算机可执行指令相关联的计算机可访问数据，

其中，所述一系列计算机可执行指令在由所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1-8中任一项所述的方法。

10.一种非暂态计算机可读存储介质，其上存储有一系列计算机可执行指令，所述一系列计算机可执行指令在由一个或多个计算装置执行时，使得所述一个或多个计算装置执行根据权利要求1-8中任一项所述的方法。

Images