一种基于改进的YOLOV5网络的垃圾食品检测方法技术

本申请为一种基于改进的YOLOV5网络的垃圾食品检测方法，具体的实现步骤包括：采集20种垃圾食品的原始图像；在采集的原始图像中，对不同种类的垃圾食品标注，形成可供使用样本集；将数据样本集通过多种方式进行数据增强并对样本集进行锚框选择；对样本集进行划分；构建改进的YOLOV5网络，在基于原始的YOLOV5的基础上对模型进行改进，最后获得最终的改进模型，然后对改进的模型进行训练来获得最优的参数；完成样本的预测等后续行为。完成样本的预测等后续行为。完成样本的预测等后续行为。

【技术实现步骤摘要】
一种基于改进的YOLOV5网络的垃圾食品检测方法


[0001]本申请涉及深度学习目标检测领域，特别涉及一种基于YOLOV5改进网络模型的垃圾食品检测与识别方法。

技术介绍

[0002]随着社会社会经济的发展，人们生活水平越来越高，人们在对食物的追求越来越高，然而由于不良的一些饮食习惯，我们的肥胖相关的问题越来越严重。根据《中国居民营养与慢性病状况报告(2020年)》的最新数据，超重和肥胖已经成为国人的突出问题之一。肥胖是万病之源，焦虑、抑郁、非酒精性脂肪肝、高血压、冠心病、胃食管反流病、糖尿病、骨关节炎等疾病的发生都于肥胖有关。
[0003]垃圾食品是产生肥胖的重要原因之一，然而很多人并不是很清楚那些食物是垃圾食品，本专利技术将改进的YOLOV5检测运用到食品检测中，能够快速的检测辨别是否是垃圾食品，帮助人进行判断和识别，减少人对于垃圾食品的摄入量。此方法可以部署到边缘设备中，自动的识别多种垃圾食品，处理速度快，检测精度高。有一定的应用价值。

技术实现思路

[0004]本申请的目的在于提供一种基于改进的YOLOV5网络的垃圾食品检测方法，以解决上述
技术介绍
中提出的如何快速检测辨别是否是垃圾食品，帮助人进行判断和识别，减少人对于垃圾食品的摄入量的问题。
[0005]为实现上述目的，本申请提供如下技术方案：包括以下步骤：
[0006]S1、采集图像，搜寻垃圾食品图像；
[0007]S2、对所述S1采集到垃圾食品图像进行标注，从而形成垃圾食品的样本库；
[0008]S3、将所述S1采集到的垃圾食品图像进行数据增强，对所述S2中的样本库进行锚框选择；
[0009]S4、将所述S3锚框选择后的样本库进行样本划分；
[0010]S5、构建改进的YOLOV5网络；
[0011]S6、构建检测网络模型；
[0012]S7、将所述S3中预处理好的垃圾食品的图片输入至所述S6中训练好的垃圾食品检测网络模型中，检测图片内垃圾食品的位置和种类并输出结果。
[0013]优选的，所述S1中的搜寻垃圾食品图像方法包括百度和谷歌的搜索引擎进行搜索相关图片以及编写python程序进行图片的爬取。
[0014]优选的，所述S2中标注的方法为：通过LabelImg工具对采集的垃圾食品的图片进行标注。
[0015]优选的，所述S3中的数据增加方法包括图像进行随机旋转、图像进行随机剪裁，随机缩放以及随机排布。
[0016]优选的，所述S3的锚框选择具体为k
‑
means的聚类方法。
[0017]优选的，所述S4中的样本划分将样本具体划分为训练集、验证集和测试集三种。
[0018]优选的，所述S5中构建改进YOLOV5网络的方法为：选用了基础的网络 YOLOV5，将原始的YOLOV5中Darknet53主干提取网络中的C3模块替换为 Shuffle Block模块，对输入的图片进行特征提取；
[0019]将原YOLOV5结构的检测头中FPN结构和PAN结构中的C3模块替换为 Shuffle Block模块，将所有的卷积模块替换为深度可分离卷积，对各层进行特征融合；
[0020]将原YOLOV5三个检测头的，增加一个可以检测小目标的检测头，另外对检测头中PANET网络结构中通道数拼接操作改为通道值之间相加，降低的网络模型的参数。
[0021]优先的，所述S6构建检测网络模型的具体方法为：采用GIOU_Loss作为位置的损失函数，采用二值交叉熵函数做为分类和置信度的损失函数来构建模型；
[0022]利用改进好的YOLOV5构建垃圾食品检测网络，将预处理的好的数据集经过GPU进行训练，然后选择一个在训练集得到最好效果的模型权重进行模型构建。
[0023]优先的，所述S7中的输出结果方式为：将模型预测的结果采用非极大值抑制的方法除去对多个冗余的检测框进行筛选。。
[0024]本申请的技术效果和优点：
[0025]1、本专利技术将改进YOLOV5网络应用在垃圾食品检测，能够识别准确的判断20种垃圾食品，处理速度快和检测精度高。并且与为改进前的模型相比，模型使用的参数大大下降，推理速度也进一步提升，模型能够部署在一些边缘设备上如手机等。对于垃圾食品检测方面,具有一定的应用和使用价值。
附图说明
[0026]图1为本申请的一种基于改进的YOLOV5网络的垃圾食品方法的方法流程图；
[0027]图2为本申请的一种基于改进YOLOV5网络的垃圾食品方法的原始YOLOV5 的C3结构结构图；
[0028]图3为本申请的一种基于改进YOLOV5网络的垃圾食品方法的Shuffle Block结构图；
[0029]图4为本申请的一种基于改进YOLOV5网络的垃圾食品方法的改进的新增分支PANET尺寸变化图；
[0030]图5为本申请的一种基于改进YOLOV5网络的垃圾食品方法的改进YOLOV5 的整体结构图；
[0031]图6为本申请的一种基于改进YOLOV5网络的垃圾食品方法的训练数据的种类以及训练集、测试集、验证集的数量图。
具体实施方式
[0032]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0033]本申请提供了如图1
‑
图6所示的一种基于改进的YOLOV5网络的垃圾食品检测方
法，参照图1，所述基于YOLOV5网络的垃圾食品检测的方法包括以下步骤：
[0034]步骤一、采集图像，对垃圾食品图像进行收集，对垃圾食品的收集，通过百度和谷歌的搜索引擎进行搜索以及编写python程序进行图片的爬取，并且所有收集到的图片都是没有进行处理。
[0035]步骤二、在采集图像中，进行标注，使用labelImg工具对图片进行标注，将图片标注为YOLO格式，主要的标注信息有,图片中垃圾食品的种类、长宽尺寸，以及所在位置的坐标，通过标注来获得20个种类的垃圾食品，包括 Biriyani(印度炒饭)、Burger(汉堡)、Chicken nuggets(炸鸡块)、 Hot dog(热狗)、Chips(炸薯条)、Kabab(羊肉串)、Cheese(奶酪)、 Meatloaf(烘肉卷)、Muffin(松饼)、Nachos(烤玉米片)、Cookie(曲奇饼干)、Corndogs(玉米狗)、Ice
‑
Cream(冰淇淋)、Pizza(披萨)、Cheesecake (小蛋糕)、Crispy Chicken(炸鸡)、Sandwich(三明治)、Waffles(华夫饼)、instant noodles(方便面)，每个种类的图片大约200张，具体样本数据如图6所示。
[0036]步骤三、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的YOLOV5网络的垃圾食品检测方法，其特征在于：包括以下步骤：S1、采集图像，搜寻垃圾食品图像；S2、对所述S1采集到垃圾食品图像进行标注，从而形成垃圾食品的样本库；S3、将所述S1采集到的垃圾食品图像进行数据增强，对所述S2中的样本库进行锚框选择；S4、将所述S3锚框选择后的样本库进行样本划分；S5、构建改进的YOLOV5网络；S6、构建检测网络模型；S7、将所述S3中预处理好的垃圾食品的图片输入至所述S6中训练好的垃圾食品检测网络模型中，检测图片内垃圾食品的位置和种类并输出结果。2.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法，其特征在于：所述S1中的搜寻垃圾食品图像方法包括百度和谷歌的搜索引擎进行搜索相关图片以及编写python程序进行图片的爬取。3.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法，其特征在于：所述S2中标注的方法为：通过LabelImg工具对采集的垃圾食品的图片进行标注。4.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法，其特征在于：所述S3中的数据增加方法包括图像进行随机旋转、图像进行随机剪裁，随机缩放以及随机排布。5.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法，其特征在于：所述S3的锚框选择具体为k
‑
means的聚类方法。6.根据权利要求1所述的一种基于改进的YOLOV5网...

【专利技术属性】
技术研发人员：刘忠意，李萌，魏登峰，鲁力，周绍发，聂丰镐，李鹏，
申请(专利权)人：长江大学，
类型：发明
国别省市：