【技术实现步骤摘要】
本申请涉及图像检测领域，尤其涉及一种烟叶成熟度检测方法、相应的装置、电子设备及计算机可读存储介质。
技术介绍
1、烟草作为一种重要的经济作物，在我国的国民经济中占有重要地位。我国烟草种植面积和总产量均居世界第一，常年种植面积维持在1000千公顷以上。另外，烟草行业所缴纳的税款一直以来都是国家税收的重要来源。
2、烟叶的成熟度是影响烟叶品质的关键因素，与烘烤后烟叶的色泽、香气和风味密切相关。采收适宜成熟度的鲜烟叶对于优质烟叶生产起着至关重要的作用。目前，田间烟叶的成熟度鉴别主要依靠烟农的肉眼观察，鉴别质量参差不齐、效率低下且可靠性不足。此外，现有的烟叶采收机械尚未依据烟叶的成熟度进行采收操作，因此迫切需要开展对烟叶成熟度的自动化判别研究，以确保判别的准确性和客观性，同时为基于成熟度的烟叶智能化采收机械提供技术基础。
3、目前，关于烟叶成熟度自动判别的研究主要有三种方法：基于spad值、基于高光谱技术和基于计算机视觉技术。通过叶绿素仪测量不同成熟度烟叶的相对叶绿素含量，并在此基础上建立烟叶成熟度判定的叶绿素仪读数模型。然而，该方法需要使用测量板按压叶片，可能对烟叶造成损伤。近红外光谱技术和高光谱技术通过提取烟叶的光谱特征，分析其与烟叶成熟度之间的关系，建立烟叶成熟度分类模型。但此类技术对环境条件要求较为严格，分析检测周期长，不适用于烟田中鲜烟叶的实时识别。相比之下，计算机视觉技术更适合于田间烟叶的实时识别应用。
4、现已有大量研究利用传统机器学习方法对烟叶成熟度进行判别，但这些方法需要复杂的特征工
5、在田间复杂环境中，叶片的部分遮挡、多样的几何形状变化，以及光照变化导致的颜色和纹理复杂性等因素，增加了特征提取和分类过程的难度。这些挑战使得上述算法在实际应用中面临较高的误检率和漏检率，限制了其在动态复杂环境中的有效性和可靠性。
6、综上所述，适应现有技术中在田间复杂环境中，叶片的部分遮挡、多样的几何形状变化，以及光照变化导致的颜色和纹理复杂性等因素，增加了特征提取和分类过程的难度，使得算法在实际应用中面临较高的误检率和漏检率等问题，本申请人出于解决该问题的考虑作出相应的探索。
技术实现思路
1、本申请的目的在于解决上述问题而提供一种烟叶成熟度检测方法、相应的装置、电子设备及计算机可读存储介质。
2、为满足本申请的各个目的，本申请采用如下技术方案：
3、适应本申请的目的之一而提出的一种烟叶成熟度检测方法，包括：
4、响应烟叶成熟度检测指令，获取烟田环境下的待采摘烟叶图像；
5、基于已训练至收敛状态的烟叶成熟度检测模型对所述待采摘烟叶图像进行目标检测，以确定所述待采摘烟叶图像中的烟叶相对应的候选框以及成熟度等级的概率预测，其中，所述烟叶成熟度检测模型的基础网络架构为改进的yolov5s模型，所述改进的yolov5s模型在原始yolov5s模型的头部网络中的最后一个c3模块后引入cbam注意力机制，在sppf模块后引入cbam注意力机制，以及引入wiou损失函数替换原始的ciou损失函数，将优化器更新为adam优化器；
6、采用非极大值抑制算法对所述候选框进行处理，返回所述待采摘烟叶图像中的烟叶相对应的二维坐标位置以及成熟度等级；
7、根据所述二维坐标位置以及深度相机获取的深度信息确定已成熟烟叶的三维坐标位置，烟叶采收机根据所述三维坐标位置对已成熟烟叶进行采摘，以完成烟叶成熟度的检测。
8、可选的，获取烟田环境下的待采摘烟叶图像的步骤之后，包括：
9、采用labelimg标注工具对采集的包含有不同成熟度等级的待采摘烟叶相对应的待采摘烟叶图像进行标注；
10、对标注后的待采摘烟叶进行随机旋转、随机裁剪、色彩抖动、高斯噪声、水平翻转、竖直翻转操作，以对不同成熟度等级的待采摘烟叶图像进行数据增强。
11、可选的，训练烟叶成熟度检测模型的步骤，包括：
12、获取烟叶成熟度检测模型的训练集，其中，所述训练集包括多个训练样本，所述训练样本由所述待采摘烟叶图像以及其相对应的成熟度等级标签所构建；
13、将所述训练集输入到预设的烟叶成熟度检测模型中，计算模型预测框与真实框之间的误差，并根据该误差更新网络参数；
14、采用所述adam优化器进行反向传播，更新模型权重，以最小化所述wiou损失函数，直至所述烟叶成熟度检测模型达到收敛状态，以确定已训练至收敛状态的烟叶成熟度检测模型。
15、可选的，所述成熟度等级包括已成熟或未成熟。
16、适应本申请的另一目的而提供的一种烟叶成熟度检测装置，包括：
17、烟叶图像获取模块，设置为响应烟叶成熟度检测指令，获取烟田环境下的待采摘烟叶图像；
18、目标检测模块，设置为基于已训练至收敛状态的烟叶成熟度检测模型对所述待采摘烟叶图像进行目标检测，以确定所述待采摘烟叶图像中的烟叶相对应的候选框以及成熟度等级的概率预测，其中，所述烟叶成熟度检测模型的基础网络架构为改进的yolov5s模型，所述改进的yolov5s模型在原始yolov5s模型的头部网络中的最后一个c3模块后引入cbam注意力机制，在sppf模块后引入cbam注意力机制，以及引入wiou损失函数替换原始的ciou损失函数，将优化器更新为adam优化器；
19、烟叶成熟度确定模块，设置为采用非极大值抑制算法对所述候选框进行处理，返回所述待采摘烟叶图像中的烟叶相对应的二维坐标位置以及成熟度等级；
20、已成熟烟叶采摘模块，设置为根据所述二维坐标位置以及深度相机获取的深度信息确定已成熟烟叶的三维坐标位置，烟叶采收机根据所述三维坐标位置对已成熟烟叶进行采摘，以完成烟叶成熟度的检测。
21、适应本申请的另一目的而提供的一种电子设备，包括中央处理器和存储器，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本申请所述烟叶成熟度检测方法的步骤。
22、适应本申请的另一目的而提供的一种计算机可读存储介质，其以计算机可读指令的形式存储有依据所述烟叶成熟度检测方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行相应的方法所包括的步骤。
23、相对于现有技术，本申请针对现有技术中在田间复杂环境中，叶片的部分遮挡、多样的几何形状变化，以及光照变化导致的颜色和纹理复杂性等因素，增加了特征提取和分类过程的难度，使得算法在实际应用中面临较高的误检率和漏检率等问题，本申请包括但不限于如下有益效果：
24、其一，构建了真实复杂环境下的烟叶数据集：在真实烟田环境中本文档来自技高网...
【技术保护点】
1.一种烟叶成熟度检测方法，其特征在于，包括：
2.根据权利要求1所述的烟叶成熟度检测方法，其特征在于，获取烟田环境下的待采摘烟叶图像的步骤之后，包括：
3.根据权利要求1所述的烟叶成熟度检测方法，其特征在于，训练烟叶成熟度检测模型的步骤，包括：
4.根据权利要求1所述的烟叶成熟度检测方法，其特征在于，所述成熟度等级包括已成熟或未成熟。
5.一种烟叶成熟度检测装置，其特征在于，包括:
6.一种电子设备，包括中央处理器和存储器，其特征在于，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行如权利要求1至4中任意一项所述的方法的步骤。
7.一种计算机可读存储介质，其特征在于，其以计算机可读指令的形式存储有依据权利要求1至4中任意一项所述的方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行相应的方法所包括的步骤。
【技术特征摘要】
1.一种烟叶成熟度检测方法，其特征在于，包括：
2.根据权利要求1所述的烟叶成熟度检测方法，其特征在于，获取烟田环境下的待采摘烟叶图像的步骤之后，包括：
3.根据权利要求1所述的烟叶成熟度检测方法，其特征在于，训练烟叶成熟度检测模型的步骤，包括：
4.根据权利要求1所述的烟叶成熟度检测方法，其特征在于，所述成熟度等级包括已成熟或未成熟。
5.一种烟叶成熟度...
【专利技术属性】
技术研发人员：李杰浩，陈雪欣，曾山，高巧明，杨文武，罗锡文，
申请(专利权)人：华南农业大学，
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。