一种基于图像视觉检测的仓储霉变玉米的识别方法和系统技术方案

本发明专利技术公开了一种基于图像视觉检测的仓储霉变玉米的识别方法和系统，首先使用成像装置采集仓储玉米的实时图像，对所述实时图像进行预处理，生成待检测图像；然后构建仓储霉变玉米的Transformer识别模型，包括依序设置的图像增强模块、特征提取模块、候选区域生成模块及目标检测模块；最后将所述待检测图像加载到识别模型进行霉变玉米的识别，得到仓储霉变玉米的识别结果。本发明专利技术提出的采用基于图像视觉检测的霉变玉米识别方法，利用计算机视觉对实时采集的仓储玉米实时图像进行检测，可识别多种霉变玉米特征，扩展了使用范围；本发明专利技术的识别模型增对注意力模块进行改进，可减少模型训练过程中的过拟合风险，加速模型的训练过程。程。程。

【技术实现步骤摘要】
一种基于图像视觉检测的仓储霉变玉米的识别方法和系统


[0001]本专利技术属于计算机视觉
，特别涉及一种基于图像视觉检测的仓储霉变玉米的识别方法和系统。

技术介绍

[0002]玉米是人类赖以生存的主要粮食品种之一，也是动物食品中最重要的能量饲料来源之一。缺乏科学的管理与认知，是玉米仓储过程中霉菌毒素污染的重要原因之一。在玉米收获季节由于天气多雨、潮湿的原因，造成部分玉米发霉变质，甚至在未收获时就发生了隐性变质，如果将已经感染霉菌的玉米送入仓储，更容易导致二次霉菌毒素污染，使用霉菌毒素污染的玉米加工的动物食品会给动物带来严重危害，智造精品的动物食品必须使用精品的新鲜无污染原料，所以玉米的霉菌毒素污染防控工作在饲料企业显得尤为重要。
[0003]目前对玉米是否感染黄曲霉素检测的手段主要是传统的人工肉眼检测，通过人工抽取玉米，凭借肉眼检测玉米是否被黄曲霉素感染，由于该检测方式主观性较强且工人长时间工作后会产生视觉疲劳，容易产生错误分拣，工作量大且检测效率较低，因此迫切需要提出一种更精确、更高效的检测方法。
[0004]为解决人工肉眼检测玉米黄曲霉素的工作量大、效率低的问题，公开号为“CN113506242A”的中国专利技术专利申请公开了了一种基于YOLO的玉米黄曲霉素检测方法，包括以下步骤：S1，搭建机器视觉检测平台，计算机控制紫外灯光源与工业相机异步触发，实时采集玉米的彩色RGB图像；S2，对采集到的玉米图像进行图像处理与分割；S3，建立YOLO深度学习神经网络检测模型；S4，对分割后的图像实时进行是否感染黄曲霉素的识别，得到是否感染黄曲霉素的识别结果，并输出识别结果。
[0005]但是，该方案利用感染黄曲霉素的玉米在紫外灯光源发生特定的荧光反应来成像，对其他的霉菌例如镰刀菌、三红镰孢菌、烟曲霉及赫曲霉产生的呕吐毒素、玉米赤霉烯酮、T
‑
2毒素、烟曲霉毒素及赫曲霉毒素A、B等缺乏有效的识别手段，使得该方案的适用范围不广。

技术实现思路

[0006]本专利技术提供一种基于图像视觉检测的仓储霉变玉米的识别方法和系统，旨在解决现有技术在检测仓储霉变玉米时适用范围不广的问题。
[0007]为解决上述技术问题，本专利技术提出一种基于图像视觉检测的仓储霉变玉米的识别方法和系统，包括以下步骤：
[0008]S1：采集仓储玉米的实时图像，对所述实时图像进行预处理，生成待检测图像。
[0009]S2：构建仓储霉变玉米的识别模型，所述识别模型为改进的Transformer模型，包括依序设置的图像增强模块、特征提取模块、候选区域生成模块及目标检测模块。
[0010]S3：将所述待检测图像加载到步骤S1构建的识别模型进行霉变玉米的识别，得到仓储霉变玉米的识别结果。
[0011]所述图像增强模块包括依序设置的灰度变换层及三路并行的卷积层，用于对所述待检测图像进行预处理，增强待检测图像的局部信息，输出第一特征图。
[0012]所述特征提取模块包括四个连续的注意力模块，第一个注意力模块为基于移位窗口的自注意力模块，接收第一特征图进行处理后输出第二特征图，第二个注意力模块为基于移位窗口的自注意力模块，接收第二特征图进行处理后输出第三特征图，第三个注意力模块为可变形注意力模块，接收第三特征图进行处理后输出第四特征图，第四个注意力模块为可变形注意力模块，接收第四特征图进行处理后输出第五特征图。
[0013]所述候选区域生成模块包括特征金字塔网络、候选区域生成网络及对齐模块，所述特征金字塔网络对接收的第二特征图、第三特征图、第四特征图及第五特征图进行融合，输出第六特征图至所述候选区域生成网络，生成一系列不同长宽的候选区域至对齐模块，调整为固定长宽的第七特征图。
[0014]所述目标检测模块对所述第七特征图进行检测，识别霉变玉米目标的种类与位置。
[0015]优选地，所述步骤S1中构建仓储霉变玉米的识别模型的方法具体如下：
[0016]S1
‑
1：采集玉米的霉变图像，对所述霉变图像进行预处理，然后筛选出包含霉变玉米的玉米图片，统计霉变的类型和数量，使得每一类霉变的数量大体上相同，对霉变图像中的异物进行标注，最后将标注完成的数据转化成设定格式的数据集，所述设定格式的数据集包括按设定比例划分的训练集与测试集。
[0017]S1
‑
2：将所述训练集输入改进Transformer模型进行迭代训练，训练达到设定次数后，保存训练好的模型。
[0018]S1
‑
3：利用所述测试集对所述训练好的模型进行测试，若测试准确率达到设定的阈值，则保存该模型作为最终的识别模型，若测试准确率未达到阈值，则重复训练过程直至准确率达到阈值。
[0019]所述步骤S1
‑
1中对霉变图像的预处理包括图像对齐、图像降噪；所述图像对齐将所述霉变图像对齐到设定分辨率，所述图像降噪采用中值滤波对所述霉变图像进行降噪。
[0020]优选地，所述三路并行的卷积层包括并行的三条支路，第一条支路为一个1
×
1卷积，第二条支路为一个3
×
3卷积，第三条支路为一个5
×
5卷积和一个3
×
3反卷积，将三条支路的输出沿通道方向叠加，以增强霉变图像的局部信息，输出第一特征图。
[0021]优选地，所述基于移位窗口的自注意力模块包括线性设置的四个层标准化模块，每个所述层标准化模块的输出端分别插入一个基于窗口的自注意力层、多层感知机、基于移位窗口的自注意力层及多层感知机。
[0022]优选地，所述可变形注意力模块包括线性设置的四个层标准化模块，每个所述层标准化模块的输出端分别插入一个可变形注意力层、多层感知机、可变形注意力层及多层感知机。
[0023]优选地，所述目标检测模块包括类别检测头和位置检测头，所述类别检测头对第七特征图进行分类，确定霉变的类别，所述位置检测头通过回归真实边界框的位置检测霉变目标的位置。
[0024]优选地，所述回归真实边界框操作通过平移和缩放操作，使得：
[0025]F(P
x
,P
y
,P
w
,P
h
)≈(GT
x
,GT
y
,GT
w
,GT
h
)
[0026]式中，(P
x
,P
y
,P
w
,P
h
)为特征图K的中心点坐标、宽度和高度；(GT
x
,GT
y
,GT
w
,GT
h
)为真实标注框的中心点坐标、宽度及高度。
[0027]一种基于图像视觉检测的仓储霉变玉米的识别系统，包括：成像模块及检测模块，成像模块用于采集仓储玉米的实时图像输出至所述检测模块；所述检测模块采用改进的Transformer模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像视觉检测的仓储霉变玉米的识别方法，其特征在于，包括以下步骤：S1：采集仓储玉米的实时图像，对所述实时图像进行预处理，生成待检测图像；S2：构建仓储霉变玉米的识别模型，所述识别模型为改进的Transformer模型，包括依序设置的图像增强模块、特征提取模块、候选区域生成模块及目标检测模块；S3：将所述待检测图像加载到步骤S1构建的识别模型进行霉变玉米的识别，得到仓储霉变玉米的识别结果；所述图像增强模块包括依序设置的灰度变换层及三路并行的卷积层，用于对所述待检测图像进行预处理，增强待检测图像的局部信息，输出第一特征图；所述特征提取模块包括四个连续的注意力模块，第一个注意力模块为基于移位窗口的自注意力模块，接收第一特征图进行处理后输出第二特征图，第二个注意力模块为基于移位窗口的自注意力模块，接收第二特征图进行处理后输出第三特征图，第三个注意力模块为可变形注意力模块，接收第三特征图进行处理后输出第四特征图，第四个注意力模块为可变形注意力模块，接收第四特征图进行处理后输出第五特征图；所述候选区域生成模块包括特征金字塔网络、候选区域生成网络及对齐模块，所述特征金字塔网络对接收的第二特征图、第三特征图、第四特征图及第五特征图进行融合，输出第六特征图至所述候选区域生成网络，生成一系列不同长宽的候选区域至对齐模块，调整为固定长宽的第七特征图；所述目标检测模块对所述第七特征图进行检测，识别霉变玉米目标的种类与位置。2.根据权利要求1所述的一种基于图像视觉检测的仓储霉变玉米的识别方法，其特征在于，所述步骤S1中构建仓储霉变玉米的识别模型的方法具体如下：S1
‑
1：采集玉米的霉变图像，对所述霉变图像进行预处理，然后筛选出包含霉变玉米的玉米图片，统计霉变的类型和数量，使得每一类霉变的数量大体上相同，对霉变图像中的异物进行标注，最后将标注完成的数据转化成设定格式的数据集，所述设定格式的数据集包括按设定比例划分的训练集与测试集；S1
‑
2：将所述训练集输入改进Transformer模型进行迭代训练，训练达到设定次数后，保存训练好的模型；S1
‑
3：利用所述测试集对所述训练好的模型进行测试，若测试准确率达到设定的阈值，则保存该模型作为最终的识别模型，若测试准确率未达到阈值，则重复训练过程直至准确率达到阈值。3.根据权利要求2所述的一种基于图像视觉检测的仓储霉变玉米的识别方法，其特征在于，所述步骤S1
‑
1中对霉变图像的预处理包括图像对齐、图像降噪；所述图像对齐将所述霉变图像对齐到设定分辨率，所述图像降噪采用中值滤波对所述霉变图像进行降噪。4.根据权利要求1所述的一种基于图像视觉检测的仓储霉变玉米的识别方法，其特征在于，所述三路并行的卷积层包括并行的三条支路，第一条支路为一个1
×
1卷积，第二条支路为一个3
×
3卷积，第三条支路为一个5
×
5卷积和一个3
×
3反卷积，将三条支路的输出沿通道方向叠加，以增强霉变图像的局部信息，输出第一特征图。5.根...

【专利技术属性】
技术研发人员：黄凯波，黄仲基，尤启辉，朱晓磊，
申请(专利权)人：中闽长城控股有限公司，
类型：发明
国别省市：