基于YOLOv4的蘑菇裂纹检测分级系统技术方案

一种基于YOLOv4的蘑菇裂纹检测分级系统，包括数据采集模块、数据预处理模块、数据训练模块、分级模块；所述分级模块是安装在PC机内的应用软件；蘑菇裂纹检测分级的过程包括五个步骤。本发明专利技术基于人工智能技术，应用中在各单元共同作用下，终端用户将需要分级的蘑菇放在安装了相应应用单元的PC机等的摄像头下，摄像头采集数据后，通过分级模块能自动对蘑菇进行分级，可具体得出检测的蘑菇等级，由于不再需要人为目视检测，减少了分级成本以及对蘑菇的损伤，且提升了对蘑菇分级的效率和分级质量，节省了人工成本，为蘑菇产业良性发展起到了有效助力。效助力。效助力。

【技术实现步骤摘要】
基于YOLOv4的蘑菇裂纹检测分级系统


[0001]本专利技术涉及AI应用
，特别是一种基于YOLOv4的蘑菇裂纹检测分级系统。

技术介绍

[0002]蘑菇是高蛋白、低脂肪的营养食品，具有鲜美可口、独特风味的特点。随着人们对健康的重视，越来越多的人开始青睐于食用蘑菇，这使得蘑菇的种植面积和产量日益增长。由于蘑菇的品级与营养成份密切相关，因此不同质量等级的蘑菇有着不同的销售价格，准确高效地对蘑菇进行分级能够给种植者带来利润上的提升、维持蘑菇产业的良好健康发展。根据相关行业标准，蘑菇的品级主要与其菌盖完整程度相关，传统的分级方法主要依靠人工来判断蘑菇表面裂缝的数量多少及裂口的大小，这种方法显然存在作业效率低下、增加了生产方成本，且存在标准受主观因素影响较大不统一等问题，同时对于蘑菇的人工分级，往往会受到光照影响，不同的光线强度将造成图像颜色与真实颜色之间的偏差，因而分级的质量得不到保证，人为分级中，也在一定程度上增加了分级时损伤的比例、降低了蘑菇的售价。
[0003]随着科技的发展，人工智能技术越来越多的应用到了工业领域，用于对工业产品的质量鉴别，但是现有技术中，还未见基于人工智能的蘑菇分级系统，有鉴于此，提供一种基于人工智能技术，能实现蘑菇自动分级的系统显得尤为必要。

技术实现思路

[0004]为了克服现有人为方式对蘑菇进行分级存在的如背景所述弊端，本专利技术提供了基于人工智能技术，应用中在各单元共同作用下，能自动对蘑菇进行分级，减少了分级成本以及蘑菇的损伤，且分级效率更高、分级质量更为精准，为蘑菇产业良性发展起到了有效助力的一种基于YOLOv4的蘑菇裂纹检测分级系统。
[0005]本专利技术解决其技术问题所采用的技术方案是：
[0006]一种基于YOLOv4的蘑菇裂纹检测分级系统，其特征在于包括数据采集模块、数据预处理模块、数据训练模块、分级模块；所述分级模块是安装在PC机内的应用软件；蘑菇裂纹检测分级的过程如下，步骤 (1)：通过数据采集模块采集经摄像头获得的不同位置、不同形状的蘑菇图像，将采集到的数据集通过数据预处理模块将数据集的70％用作训练模型算法的训练数据，其余的30％用作验证和测试模型算法检测的效果，经数据预处理模块将训练集图像复制成A、B、C、D四份相同的图像集，测试集不用复制。然后对A 图像集每张图片分别进行旋转、翻转、剪裁，对B图像集每张图片分别进行亮度变换、对比度变换以及颜色变换。步骤(2)：经数据预处理模块，对C图像集进行MG_Crack变换，之后将变换后的A、B、C数据集与未变换的D图像集进行混合，组成新的训练数据集；MG_Crack图像变换的具体步骤是，首先，先筛选出真实框面积大于0.3并且真实框数量大于等于3的图片，并从这些图片中不放回的随机抽取三张，在原始蘑菇裂纹数据集中不放回的随机抽取一张，一共四张图片，然后将抽取的三张图片以对角线交点为圆心做圆、随机生成分割点、并分割成四部分，并选取
一张图片的四个部分中平均真实框面积最大的那一个部分，三张图共选出三个部分，最后将这三个部分图片与第四张图片分割好的四个相应部分的某一个拼接合成一张图片备用；步骤(3)：通过数据训练模块将步骤(2)获得的新训练数据集输入到骨干网络 CSPDarknet53中，然后将提取到的分级的蘑菇特征输入到PAN和SPP网络中进行特征融合，之后将特征输入到YOLOv3网络中进行蘑菇裂纹的检测识别；步骤(4)通过数据测试模块将测试集输入到模型中，最后根据模型在测试集上识别的效果来调整相应参数使其达到最佳性能、达到最佳性能后就可交给用户使用；步骤(5)：通过分级模块，终端用户经摄像头将需要分级的蘑菇图像数据进行采集，并输入到CSPDarknet53 网络中进行特征的提取、将提取到的特征再输入到PAN和SPP网络中进行特征融合、将融合后的特征输入到YOLOv3网络中进行识别，将识别后的蘑菇裂纹的坐标信息输进公式中，得出每个蘑菇定量的分级信息，并将所有蘑菇的分级数值从小到大排列划分等级，终端用户就可得到检测的蘑菇质量。
[0007]进一步地，所述步骤(1)中，对A图像集每张图片分别进行旋转的角度是90度、180度、270度，翻转的模式是上下翻转，左右翻转，剪裁作用是扩充图像数据、增强模型检测的鲁棒性；对B图像集每张图片分别进行亮度、对比度、颜色变换作用是扩充图像数据、同时也增强模型检测的鲁棒性；进一步地，所述步骤(2)中，对C图像集进行MG_Crack变换作用是增强模型算法对不同尺度的蘑菇裂纹的识别能力；组成新的训练数据集作用是扩充训练数据集，提升算法模型的鲁棒性与泛化能力。
[0008]进一步地，所述步骤(3)中，将新的训练数据集输入到骨干网络中作用是更好更充分的提取到蘑菇裂纹图片的特征，进而提升算法模型的准确度，提取的特征输入到PAN和SPP网络中进行特征融合作用是进一步提升算法模型的性能，特征输入到YOLOv3网络中进行蘑菇裂纹的检测识别作用是高效的将提取融合之后的特征进行准确的识别。
[0009]进一步地，所述步骤(2)，具体以图片对角线交点为圆心，取蘑菇[真实框宽平均值+真实框高平均值] 的平均值R为半径做圆，再该圆内随机生成分割点、将图片分割成四部分。
[0010]进一步地，所述步骤(1)中，训练集进行数据增强过程中需要分别旋转90度、180度、270度，并上下翻转、左右翻转、剪裁，亮度、对比度、颜色变换。
[0011]进一步地，所述步骤(5)中，实际过程中会将模型算法嵌入到互联网设备的APP中，具体的嵌入的是训练好的模型，用户可以直接用来分级。
[0012]进一步地，所述步骤(5)中，所有蘑菇的分级中，用户根据自己的需要来进行划分等级。
[0013]本专利技术有益效果是：本专利技术基于人工智能技术，应用中终端用户将需要分级的蘑菇放在安装了相应应用单元的PC机等的摄像头下，摄像头采集数据后，通过分级模块能自动对蘑菇进行分级，可具体得出检测的蘑菇等级，由于不再需要人为目视检测，减少了分级成本以及对蘑菇的损伤，且提升了对蘑菇分级的效率和分级质量，节省了人工成本，为蘑菇产业良性发展起到了有效助力。综上，本专利技术具有较好的市场前景。
附图说明
[0014]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制,在附图中：
[0015]图1是本专利技术的软件架构框图示意。
[0016]图2是本专利技术半径确定示意图。
[0017]图3是本专利技术人工标注示意图。
[0018]图4是本专利技术圆心确定示意图。
[0019]图5是本专利技术分成四部分示意图。
[0020]图6是专利技术开发流程框图示意。
[0021]图7是本专利技术MG_Crack数据增强算法的流程图。
具体实施方式
[0022]图1、6所示，一种基于YOLOv4的蘑菇裂纹检测分级系统，包括数据采集模块、数据预处理模块、数据训练模块、分级模块；所述分级模块是安装在PC机内的应用软件。...

【技术保护点】

【技术特征摘要】
1.一种基于YOLOv4的蘑菇裂纹检测分级系统，其特征在于，包括数据采集模块、数据预处理模块、数据训练模块、分级模块；所述分级模块是安装在PC机内的应用软件；蘑菇裂纹检测分级的过程如下，步骤(1)：通过数据采集模块采集经摄像头获得的不同位置、不同形状的蘑菇图像，将采集到的数据集通过数据预处理模块将数据集的70％用作训练模型算法的训练数据，其余的30％用作验证和测试模型算法检测的效果，经数据预处理模块将训练集图像复制成A、B、C、D四份相同的图像集，测试集不用复制。然后对A图像集每张图片分别进行旋转、翻转、剪裁，对B图像集每张图片分别进行亮度变换、对比度变换以及颜色变换。步骤(2)：经数据预处理模块，对C图像集进行MG_Crack变换，之后将变换后的A、B、C图像集与未变换的D图像集进行混合，组成新的训练数据集；MG_Crack图像变换的具体步骤是，首先，先筛选出真实框面积大于0.3并且真实框数量大于等于3的图片，并从这些图片中不放回的随机抽取三张，在原始蘑菇裂纹数据集中不放回的随机抽取一张，一共四张图片，然后将抽取的三张图片以对角线交点为圆心做圆、随机生成分割点、并分割成四部分，并选取一张图片的四个部分中平均真实框面积最大的那一个部分，三张图共选出三个部分，最后将这三个部分图片与第四张图片分割好的四个相应部分的某一个拼接合成一张图片备用；步骤(3)：通过数据训练模块将步骤(2)获得的新训练数据集输入到骨干网络CSPDarknet53中，然后将提取到的分级的蘑菇特征输入到PAN和SPP网络中进行特征融合，之后将特征输入到YOLOv3网络中进行蘑菇裂纹的检测识别；步骤(4)通过数据测试模块将测试集输入到模型中，最后根据模型在测试集上识别的效果来调整相应参数使其达到最佳性能、达到最佳性能后就可交给用户使用；步骤(5)：通过分级模块，终端用户经摄像头将需要分级的蘑菇图像数据进行采集，并输入到CSPDarknet53网络中进行特征的提取、将提取到的特征再输入到PAN和SPP网络中进行特征融合、将融合后的特征输入到YOLOv3网络中进行识别，将识别后的蘑菇裂纹的坐标信息输进公式中，...

【专利技术属性】
技术研发人员：李昂耕，陈艳红，
申请(专利权)人：李昂耕，
类型：发明
国别省市：