一种基于改进yolov5模型的发芽马铃薯图像识别方法技术

本发明专利技术公开了一种基于改进yolov5模型的发芽马铃薯图像识别方法，包括以下步骤：构建图像识别网络模型，获取马铃薯图片数据集，分为训练集和测试数据集；对数据集进行预处理分析，得到数据可视化结果，基于可视化结果确定数据集进行特征融合时采用的模型；采用训练集对构建图像识别网络模型进行训练，获取图像识别网络模型的各个参数指标，得到训练后的图像识别网络模型；采用测试数据集对训练后的图像识别网络模型进行测试，对测试结果的精度进行评价。利用9

【技术实现步骤摘要】
一种基于改进yolov5模型的发芽马铃薯图像识别方法


[0001]本专利技术涉及图像识别
，尤其涉及一种基于改进yolov5模型的发芽马铃薯图像识别方法。

技术介绍

[0002]马铃薯是世界粮食供应的核心，在100多个国家种植。作为仅次于玉米、小麦和水稻的第四大作物，马铃薯的生产是食品工业的一个主要关注点，它支持大量的研究项目。特别是对马铃薯产业的一个重要过程，马铃薯的储存进行了定期研究
[1]。中国将马铃薯作为主食的战略清楚地表明需要改进马铃薯加工，而这一战略的瓶颈在于选择合适的原料和加工马铃薯的技术和设备。事实上，马铃薯在加工期间的储存期发芽，对整个行业来说是非常致命，发芽薯含有的龙葵素仅 0.2mg/g导致窒息甚至死亡
[2]，导致工业净损失和食品浪费增加。因此，自二十世纪初以来，人们对发芽马铃薯识别分级进行了大量研究。其中一些基于传统计算机视觉系统外部质量检测的研究，主要有：向静等提出的结合计算机视觉的马铃薯外部品质检测技术，解决了马铃薯表皮的损伤部位定位以及品质分级
[3]。高尚基于SVM和加权欧氏距离的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进yolov5模型的发芽马铃薯图像识别方法，其特征在于，包括以下步骤：S1，构建基于改进yolov5模型的图像识别网络模型，所述图像识别网络模型具体包括输入层640*640的图像张量、Backbone Network、Neck Network和Detector，其中，所述输入层加入马赛克数据增强模块；所述Backbone Network是YOLOv5的核心结构，由Focus、Conv、C3和SPP模块组成；所述Neck Network中加入FPN+PAN结构；Prediction中将边界锚框的损失函数由CIOU损失改进为广义IoU损失；在目标检测后处理过程中，YOLOv5采用加权NMS运算对多个目标锚框进行筛选；S2，获取马铃薯图片数据集，并将数据集分为训练集和测试数据集；S3，对数据集进行预处理分析，得到数据可视化结果，基于可视化结果确定数据集进行特征融合时采用的模型；S4，采用训练集对构建图像识别网络模型进行训练，获取图像识别网络模型的各个参数指标，得到训练后的图像识别网络模型；S5，采用测试数据集对训练后的图像识别网络模型进行测试，对测试结果的精度进行评价。2.根据权利要求1所述的基于改进yolov5模型的发芽马铃薯图像识别方法，其特征在于，步骤S2中获取数据集的方法具体包括以下步骤：S21,通过网络爬虫获取不同品种的马铃薯图像，按照剔除芽已经分化的马铃薯、场景较为单一的发芽马铃薯以及非马铃薯图像的规则获取数据集；数据集中包括健康马铃薯和发芽马铃薯；S22，使用waifu2x
‑
caffe对数据集中的图像数据按照降噪与转换模式在RGB图像模式中进行处理，保存为JPG格式；S23，将处理好的马铃薯样本数据集分为训练集和测试集,比例为3∶1。3.根据权利要求2所述的基于改进yolov5模型的发芽马铃薯图像识别方法，其特征在于，步骤S3中所述的不同品种的马铃薯包括但不限于荷兰薯、中薯8号、陇薯、大西洋薯、坝薯9号、豫马铃薯1号和川芋5号。4.根据权利要求1所述的基于改...

【专利技术属性】
技术研发人员：代国威，闫燊，胡林，樊景超，张翔鹤，
申请(专利权)人：中国农业科学院农业信息研究所，
类型：发明
国别省市：