基于YOLOv5的香菇智能检测管理系统技术方案

本发明专利技术公开了基于YOLOv5的香菇智能检测管理系统，属于香菇种植技术领域，包括景深摄像模块、地理位置确定模块、数据处理模块、训练集加载模块、YoLov5模型构建模块、判断模块、对比模块、警报模块和显示模块；所述YoLov5模型构建模块包括迭代单元和识别单元；所述景深摄像模块利用景深摄像头每隔24h拍摄一组景深范围不同的香菇生长图片，形成香菇图片数据；所述地理位置确定模块用于确定景深摄像头各像素点所对应的地理坐标，形成像素点坐标数据，本发明专利技术能够自动判断香菇生长情况，不仅大大降低了人工工作量，还避免疏漏观察，同时可及时采收香菇，并可及时清理腐败和病害香菇，且能够及时定位需采收的香菇和病害香菇。够及时定位需采收的香菇和病害香菇。够及时定位需采收的香菇和病害香菇。

【技术实现步骤摘要】
基于YOLOv5的香菇智能检测管理系统


[0001]本专利技术涉及香菇种植
，尤其涉及基于YOLOv5的香菇智能检测管理系统。

技术介绍

[0002]目前香菇的日常检测和管理多通过人工来完成，从而使得人工需反复观察香菇的生长情况，而香菇的种植不仅密集范围也较广，从而大大增加了人工的工作量，还易疏漏观察，同时香菇在采收期每日的情况都有不同，且是大批量生长成熟，从而需及时采收，同时需及时清理腐败和病害香菇。
[0003]经检索，中国专利号CN115657768A公开了一种节能少人工的香菇管理方法，虽然实现香菇按需求温度、湿度以及二氧化碳浓度的自动调节，促进香菇生长，但是其无法解决上述问题，同时也无法及时定位需采收的香菇和病害香菇。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的基于YOLOv5的香菇智能检测管理系统。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]基于YOLOv5的香菇智能检测管理系统，包括景深摄像模块、地理位置确定模块、数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于YOLOv5的香菇智能检测管理系统，其特征在于，包括景深摄像模块、地理位置确定模块、数据处理模块、训练集加载模块、YoLov5模型构建模块、判断模块、对比模块、警报模块和显示模块；所述YoLov5模型构建模块包括迭代单元和识别单元；所述景深摄像模块利用景深摄像头每隔24h拍摄一组景深范围不同的香菇生长图片，形成香菇图片数据；所述地理位置确定模块用于确定景深摄像头各像素点所对应的地理坐标，形成像素点坐标数据，具体为：S1、获取景深摄像头摄像范围的中心地理坐标；S2、再根据景深摄像头的监控范围，以中心地理坐标为圆心建立空间坐标系；S3、在空间坐标系中任意选择一个地理坐标点作为控制点，并将控制点对应景深摄像头的像素点，再以控制点和像素点为依据，通过投影变换和坐标转换得到景深摄像头内其它像素点的地理坐标，形成像素点坐标数据；所述数据处理模块分割香菇图片数据，形成多个独立的香菇生长图片，再以香菇生长图片的景深范围为依据，根据像素点坐标数据确定景深范围内的各点地理坐标，形成标注香菇生长图片，并发送至识别单元。2.根据权利要求1所述的基于YOLOv5的香菇智能检测管理系统，其特征在于，所述训练集加载模块加载COCO数据集的一个子集，选取原则为多以香菇种植场景出现的标签类别为主，形成训练集；所述迭代单元用于训练迭代YoLov5模型，其训练迭代YoLov5模型的具体步骤为：SS1、利用PyTorch Hub工具加载Yolov5模型；SS2、获取模型的训练环境、训练参数和训练数据，并对训练数据进行Mosaic增强，再按照Yolov5的网络结构创建一个新的模型雏形；SS3、初始化模型训练参数，初始化训练集，对训练集进行马赛克数据增强，进入循环迭代，数据向前传播，计算Loss值，数据反向传播，更新参数，降低学习率，直至循环迭代达到预设迭代次数，结束循环迭代，最...

【专利技术属性】
技术研发人员：闫志成，黄英来，刘沅，曹靖轩，吴鑫，朱赖蕙，
申请(专利权)人：东北林业大学，
类型：发明
国别省市：