【技术实现步骤摘要】
本专利技术涉及桑蚕养殖，具体地说，涉及一种基于机器视觉识别小蚕生理状态的方法。
技术介绍
1、随着农业承包和大型农场化模式的迅速崛起，机器视觉技术在农业领域的应用也愈发凸显其重要性，特别是在作物生长状况的实时监测、害虫检测、精准灌溉和施肥等方面。近年来，农业机械化的迅猛推进不仅极大地提升了农业产量，还加速了技术创新步伐，推动农业产业规模持续扩大。与此同时，桑蚕养殖产业也经历了从传统个体养殖到现代化大规模集约化生产的转变，为农业产业的全面升级注入了新的活力。
2、蚕病的发生受不良气候条件的影响较大，春季雨水多，小蚕易受低温高湿环境的影响而诱发僵病，蚕体蜕皮前停止采食，一般固定在桑叶上，这种不食不动的现象称作蚕眠。蚕的一生需蜕皮四次，表面看虽不食不动，其实体内在进行激烈的组织更新，如蚕眠期护理不好，病菌极易侵入蚕体，发生蜕皮困难，给后期饲养带来困难和损失，所以必须重视蚕体的蚕眠期管理。
3、目前，小蚕生理状态的识别主要依靠桑蚕养殖人员的经验来判断，但桑蚕养殖人员养殖经验层次不齐，蚕箔数量过多会导致桑蚕养殖人员视觉疲劳，判断桑蚕生理状态会产生主观判断和误差，在养殖环节会出现不必要的损失。因此，基于机器视觉的小蚕生理状态识别研究有利于实现小蚕生理状态识别的自动、准确、快速和即时识别，帮助桑蚕养殖人员智能识别小蚕生理状态，加强小蚕生理状态的预防预警，从而保护好人民的财富宝库，但现有的机器视觉针对小蚕生理状态识别的研究甚少，研究不够全面。
技术实现思路
1、本专利技术的
2、根据本专利技术的一种基于机器视觉识别小蚕生理状态的方法，其包括以下步骤：
3、步骤1：制作不同生理状态下的小蚕图片数据集；
4、步骤2：图像预处理；
5、步骤3：数据集的构建；
6、步骤4：构建改进后的yolov5神经网络模型；
7、步骤5：通过打印输出坐标判断小蚕是否休眠期；
8、步骤6：设置超参数并完成训练；
9、步骤7、通过训练好的模型对小蚕生理状态进行分类，并将结果实时反馈到界面输出。
10、作为优选，步骤1中，使用合适的工业相机和镜头，在不同光源、不同时间、不同空间、不同角度拍摄约10000张小蚕图片，其中包括正常状态的小蚕、病害的小蚕、按照1：1的比例制作数据集。
11、作为优选，步骤2中，图像预处理包括图像归一化以及数据增强；数据增强处理包括图像的旋转平移、图像的二值化、图像的中值滤波、图像的高斯噪声这四种数据增强方法。
12、作为优选，步骤3中，将步骤2预处理后得到的图片构建为小蚕数据集，使用lableimg工具进行数据标注，将标注后的数据集按照92：4：4的比例分为训练集、验证集和测试集。
13、作为优选，步骤4中，使用改进后的yolov5神经网络模型进行识别小蚕生理状态，改进后的yolov5神经网络模型结构包括输入端、改进后的backbone模块、改进后的neck、head四个部分；
14、其中输入端包括mosaic数据增强和统一缩放和自适应锚框功能，改进后的backbone模块包括bottleneckcsp和focus模块，其中对c3模块进行优化并添加se注意力模块，其中对neck中16层、19层及22层的c3模块进行优化并添加se注意力模块，在c3模块的优化中，设计c3-t模块，目的是在不影响模型性能的前提下，对模型适当压缩，减少计算量；c3模块中包括bottleneck，设计bottleneck-t模块包括2个1*1的conv模块和2个3*3的conv模块；feature map经过1*1的conv模块后cin通道数减小为原来的1/4，即cin4继续把featuremap分别传递给两个1*1的conv模块和3*3的conv模块，此时两个featuremap通道数均是c03；把三个featuremap进行concat操作后，得到bottleneck-t的输出；在添加se注意力模块中，将se注意力模块添加在主干网络中neck部分，共3个注意力模块，se模块的目的是想通过一个权重矩阵，从通道域的角度赋予图像不同位置不同的权重，得到更重要的特征信息，提高神经网络模型的精度。
15、作为优选，步骤5中，将改进后yolov5模型建立后，使用输出打印边界框坐标，在同一模型、同一设备条件下，相同图片或视频预测打印的坐标相同，故可用来识别判断小蚕是否处于休眠期状态；具体的，将摄像头设置为间隔10s拍摄一张图片，使用建立好的模型识别小蚕后输出打印坐标信息，再比较两次坐标位置，若坐标发生变化则说明小蚕处于食桑期，若坐标未发生变化则说明小蚕处于休眠期。
16、作为优选，步骤6中，将改进后的yolov5模型改进后，利用pytorch-gpu1.12+cu113结合opencv对已处理好的的数据集导入深度学习框架训练，设置超参数，学习率、余弦退火、学习率动量和权重衰减系数，设置完成并训练后获取最优模型，经过调参选择最优模型保存成.pt文件；利用pyqt5、qtdesigner以及eric6工具在python环境下实现了识别小蚕生理状态系统的研究设计，之后设定正常小蚕数目的百分比低于百分之90即系统判定此小蚕生理状态出现问题，并发出警报；最后把整套系统封装成exe可执行文件，将搭建好的系统嵌入到由windows或linux系统的主机或嵌入式设备的中运行。
17、本专利技术的有益效果如下：
18、本专利技术对c3模块进行优化并添加了se注意力模块，在c3模块的优化中，设计了c3-t模块，目的是在不影响模型性能的前提下，对模型适当压缩，减少计算量，使得模型更具轻量化，更加适配使用linux系统的边缘设备进行小蚕的生理状态识别。
19、本专利技术通过打印输出坐标判断小蚕是否休眠期，将摄像头设置为间隔10s拍摄一张图片，使用建立好的模型识别小蚕后输出打印坐标信息，再比较两次坐标位置，若坐标发生变化则说明小蚕处于食桑期，若坐标未发生变化则说明小蚕处于休眠期。通过这个方法能有效判断小蚕是否处于休眠期，大大减少劳动人民的工作量。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉识别小蚕生理状态的方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于机器视觉识别小蚕生理状态的方法，其特征在于：步骤1中，使用工业相机和镜头，在不同光源、不同时间、不同空间、不同角度拍摄约10000张小蚕图片，其中包括正常状态的小蚕、病害的小蚕、按照1：1的比例制作数据集。
3.根据权利要求2所述的一种基于机器视觉识别小蚕生理状态的方法，其特征在于：步骤2中，图像预处理包括图像归一化以及数据增强；数据增强处理包括图像的旋转平移、图像的二值化、图像的中值滤波、图像的高斯噪声这四种数据增强方法。
4.根据权利要求3所述的一种基于机器视觉识别小蚕生理状态的方法，其特征在于：步骤3中，将步骤2预处理后得到的图片构建为小蚕数据集，使用lableimg工具进行数据标注，将标注后的数据集按照92：4：4的比例分为训练集、验证集和测试集。
5.根据权利要求4所述的一种基于机器视觉识别小蚕生理状态的方法，其特征在于：步骤4中，使用改进后的YOLOv5神经网络模型进行识别小蚕生理状态，改进后的YOLOv5神经网络模型
6.根据权利要求5所述的一种基于机器视觉识别小蚕生理状态的方法，其特征在于：步骤5中，将改进后YOLOv5模型建立后，使用输出打印边界框坐标，在同一模型、同一设备条件下，相同图片或视频预测打印的坐标相同，故可用来识别判断小蚕是否处于休眠期状态；具体的，将摄像头设置为间隔10s拍摄一张图片，使用建立好的模型识别小蚕后输出打印坐标信息，再比较两次坐标位置，若坐标发生变化则说明小蚕处于食桑期，若坐标未发生变化则说明小蚕处于休眠期。
7.根据权利要求6所述的一种基于机器视觉识别小蚕生理状态的方法，其特征在于：步骤6中，将改进后的YOLOv5模型改进后，利用PyTorch-GPU1.12+cu113结合OpenCV对已处理好的的数据集导入深度学习框架训练，设置超参数，学习率、余弦退火、学习率动量和权重衰减系数，设置完成并训练后获取最优模型，经过调参选择最优模型保存成.pt文件；利用PyQT5、QT Designer以及Eric6工具在Python环境下实现了识别小蚕生理状态系统的研究设计，之后设定正常小蚕数目的百分比低于百分之90即系统判定此小蚕生理状态出现问题，并发出警报；最后把整套系统封装成exe可执行文件，将搭建好的系统嵌入到由windows或linux系统的主机或嵌入式设备的中运行。
...【技术特征摘要】
1.一种基于机器视觉识别小蚕生理状态的方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于机器视觉识别小蚕生理状态的方法，其特征在于：步骤1中，使用工业相机和镜头，在不同光源、不同时间、不同空间、不同角度拍摄约10000张小蚕图片，其中包括正常状态的小蚕、病害的小蚕、按照1：1的比例制作数据集。
3.根据权利要求2所述的一种基于机器视觉识别小蚕生理状态的方法，其特征在于：步骤2中，图像预处理包括图像归一化以及数据增强；数据增强处理包括图像的旋转平移、图像的二值化、图像的中值滤波、图像的高斯噪声这四种数据增强方法。
4.根据权利要求3所述的一种基于机器视觉识别小蚕生理状态的方法，其特征在于：步骤3中，将步骤2预处理后得到的图片构建为小蚕数据集，使用lableimg工具进行数据标注，将标注后的数据集按照92：4：4的比例分为训练集、验证集和测试集。
5.根据权利要求4所述的一种基于机器视觉识别小蚕生理状态的方法，其特征在于：步骤4中，使用改进后的yolov5神经网络模型进行识别小蚕生理状态，改进后的yolov5神经网络模型结构包括输入端、改进后的backbone模块、改进后的neck、head四个部分；
6.根据权...
【专利技术属性】
技术研发人员：刘璞，何兴锐，赵凯，柳忠彬，贾悦，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。