摘要
本发明涉及智慧农业的计算机视觉识别技术领域，且公开了一种用于估计烟叶采摘点和采摘方向的方法，基于YOLACT++算法进行烟叶的实例分割，结合点云数据处理，针对非遮挡情况估计烟叶的采摘点和方向。该用于估计烟叶采摘点和采摘方向的方法，利用Intel RealSense D435i相机捕获烟叶的RGB及深度图像，通过深度补全算法改善图像质量，为模型提供高质量的输入；在模型的主干网络中，采用可变形卷积层DCN，DCN通过采用灵活的采样点代替传统卷积神经网络（CNN）中固定的网格采样，显著提升了检测和分割模型的准确性，实验结果表明，本发明可以较好地对采摘点和采摘方向进行估计，提高烟叶采摘的自动化水平。
