基于改进YoLoV5s的香菇菌棒污染识别系统技术方案

本发明专利技术香菇菌棒污染识别领域，具体是一种主基于改进YoLoV5s的香菇菌棒污染识别系统，本发明专利技术的目的在于提供一种基于改进YoLoV5s的香菇菌棒污染识别系统，本申请在YoLoV5s的基础上进行改进与优化，提出了YoLoV5s

【技术实现步骤摘要】
基于改进YoLoV5s的香菇菌棒污染识别系统


[0001]本专利技术香菇菌棒污染识别领域，具体是一种主基于改进YoLoV5s的香菇
[0002]菌棒污染识别系统。

技术介绍

[0003]我国香菇菌棒年出口约7000万棒，年增速30％以上。近年来，香菇菌棒生产逐步向工厂化发展。香菇菌棒在发菌过程中由于生产环境卫生清洁不彻底、消毒不过关、操作不规范等原因，常被杂菌污染。目前香菇菌棒杂菌污染主要依靠人工经验判断，存在生产人员观察不仔细、误判、污染棒挑选不及时等问题，从而导致杂菌扩散。因此基于香菇工厂化生产的需求，研究香菇菌棒污染自动识别技术，实现对香菇菌棒污染状态精准识别判断，对提高香菇菌棒品质和产量、推动香菇产业发展、提高经济效益具有重大意义。
[0004]随着深度学习技术的不断发展，越来越多的学者将深度学习应用到农作物病害检测中，且有着完善的可见光图像数据库。与传统的图像识别方法相比，深度学习主要通过对输入的图像特征进行自动提取，将低层特征组合成高层抽象的视觉特征。它可以在不使用高光谱成像技术的情况下，在可见光范围内可对农作物病害本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YoLoV5s的香菇菌棒污染识别系统，其特征在于：其包括下列步骤：S1：香菇菌棒数据采集：S1
‑
1：采集香菇菌棒图像，根据杂菌类型将香菇菌棒进行分类，分为正常香菇菌棒图像和各种污染菌棒图像，每类的图像采集至少300张；S2：香菇菌棒数据预处理：对采集到的香菇菌棒图像进行数据增强，增广数据集；S3：标注数据集，构建训练、验证、测试样本集：利用线上MAKE SENSE数据集标注方法对香菇菌棒污染类型进行标注，通过标注赋予正常和各种污染菌群标签信息，标注部分即为网络模型训练过程中的Ground Truth(GT)，是网络模型训练过程中的正样本，未标注部分为背景(background)，即为网络模型训练过程中的负样本；标注完的数据直接导出为YoLo格式的txt文件，其中记录了污染类型、长宽、位置信息等，最后，将标注的数据集按照7∶2∶1的比例划分为训练集、验证集、测试集；S4：针对数据集特征，对Yolov5s网络进行适应性改进，构建用于香菇菌棒污染识别的YoLoV5s
‑
CGG网络模型：S4
‑
1：在YoLoV5s的特征提取网络加入CA(Coordinate Attention)注意力机制提高菌棒污染的可识别性和目标定位的准确性，其计算过程如下：使用大小为(H，1)和(1，W)的平均池化分别沿着水平坐标与垂直坐标方向对每个通道进行编码，因此，高度为h的第c通道和宽度为w的第c通道的输出分别表示为：进行编码，因此，高度为h的第c通道和宽度为w的第c通道的输出分别表示为：式中两个变换沿着两个空间进行特征聚合，级联生成两个特征图z
h
、z
w
，然后使用1
×
1卷积变换函数F1，生成对空间信息在水平方向和垂直方向的中间特征图f，公式如下：f＝δ(F1([z
h
，z
w
]))#(4)式中，(，)为沿空间位数的concatenate操作，δ为非线性激活函数，f为对空间信息在水平方向和垂直方向进行编码的中间特征映射，然后沿空间维度将f分成两个单张量f
h
和f
w
，再利用两个卷积核大小为1的卷积运算F
h
和F
w
将特征图f
h
和f
w
变换为与输入X同样的通道数，公式如下：g
h
＝σ(F
h
(f
h
))#(5)g
w
＝σ(F
w
(f
w<...

【专利技术属性】
技术研发人员：吴秋兰，陈雪飞，张峰，郭秀梅，王鲁，朱子欣，
申请(专利权)人：山东农业大学，
类型：发明
国别省市：