基于改进YOLO-X的浙贝母目标检测方法的构建方法及应用技术

本发明专利技术公开了一种基于改进YOLO

【技术实现步骤摘要】
基于改进YOLO
‑
X的浙贝母目标检测方法的构建方法及应用


[0001]本专利技术涉及农产品外观品质及大小的无损检测与分拣
，更具体的说是涉及一种基于改进YOLO
‑
X的浙贝母目标检测方法的构建方法及应用。

技术介绍

[0002]浙贝母是一种百合科贝属草本植物，是中药材之一，主要药用成分为生物碱类、皂苷类成分，具有镇咳、祛痰、抗炎、抑菌、抗肿瘤等功效。据统计，2017—2018年间中国浙贝母总产量已超4000吨，种植产业约为60亿元。根据《TCACM 1021.24—2018中药材商品规格等级 浙贝母》，浙贝母在满足无霉变、虫蛀、破碎的情况下，按直径大小分为特级、一级、二级，而霉变、虫蛀、破碎的浙贝母不能入药，需剔除。然而，目前浙贝母大小通常采用筛网、圆柱辊等分级，因形状不规则，分级效果不理想，筛分过程易对浙贝母造成机械损伤，且无法筛分出霉变、虫蛀、破碎的浙贝母。所以开发精准检测浙贝母外观品质及大小的方法，建设一种快速、无损分级生产线是十分必要的。
[0003]目前针对农产品的无损在线检测主要有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLO
‑
X的浙贝母多目标检测与分拣方法的构建方法，其特征在于，包括以下步骤：步骤（1）：将不同等级、不同摆放姿态的浙贝母置于带有反光图层的黑箱底部的白板上，在漫反射光照的条件下，使用相机拍摄数量相同的单目标图像和多目标图像，多目标图像中各类浙贝母数量相同，多粒浙贝母呈单列化状且位于相机视场中线位置，以模拟在线检测场景；为避免丢失或扭曲目标特征，将拍摄好的RGB图像的像素调整为3200*3200，作为浙贝母数据集，按6:2:2的比例，将数据集划分为训练集、验证集、测试集后，对YOLO
‑
X目标检测算法进行训练、验证和测试；步骤（2）：基于步骤（1）中的测试结果，在YOLO
‑
X目标检测算法的主干特征提取网络的末端添加一层带padding的空洞卷积结构，经优化后，空洞卷积结构的膨胀系数调整为4；步骤（3）：基于步骤（1）中浙贝母数据集的训练集与验证集，对改进后的YOLO
‑
X目标检测算法进行训练并获得模型；步骤（4）：基于步骤（1）中浙贝母数据集的测试集对步骤（3）所得模型进行测试，采用AP、mAP、F1以及FPS作为测试结果评价指标，并基于该指标与其它目标检测算法进行对比，通过对比改进前后模型的检测效果图中的预测框对浙贝母的推断准确率及其贴合程度，验证改进YOLO
‑
X的有效性；步骤（5）：基于测试后且达到测试指标要求的目标检测模型，利用检测平台末端执行结构对物料进行分拣。2.根据权利要求1所述的构建方法，其特征在于，步骤（3）中，采取微调训练策略，并将在开源数据集COCO数据集上预训练好的模型yolo_x.pth文件的权重作为改进后的YOLO
‑
X的初始权重；冻结训练轮次设为50，解冻训练轮次设为150，学习率设为0.001，冻结批尺寸设为8，非冻结批尺寸设为4；基于上述训练策略，在浙...

【专利技术属性】
技术研发人员：王俊，董成烨，韦真博，杜冬冬，王永维，
申请(专利权)人：浙江大学，
类型：发明
国别省市：