【技术实现步骤摘要】
一种鸭蛋识别定位方法
[0001]本专利技术属于养殖
,具体涉及到一种鸭蛋识别定位方法。
技术介绍
[0002]蛋鸭养殖总体呈“小规模、大群体”的特点,巡检和捡蛋均依赖人工,劳动强度大、人工成本高,工作环境差。故迫切需要一种可以代替人工,在鸭场进行鸭蛋拾取的机器人。开发鸭蛋拾取机器人的关键技术,是使其能够在不同干扰、遮挡覆盖等复杂环境下,对鸭蛋进行快速、准确检测和定位。
[0003]鸭蛋是一种特殊的目标检测对象,鸭场中,鸭蛋往往成簇出现,重叠、遮挡等情况普遍,给检测带来困难。鸭场环境复杂恶劣,常有泥土、秸秆等遮挡鸭蛋,同时亦有大量颜色相近的鸭羽覆盖,目标检测难度大,因此,对禽舍中鸭蛋自动识别的问题还需要进行深入研究。
技术实现思路
[0004]鉴于现有技术存在的问题,本专利技术提供一种鸭蛋识别定位方法。
[0005]本专利技术为解决上述技术问题所采用的技术方案为:
[0006]一种鸭蛋识别定位方法,包括以下步骤:
[0007]1)数据采集与预处理:使用羽毛、秸秆、泥沙或其他材料,模拟鸭舍的复杂环境,使用相机进行拍摄,所得数据中包括多角度、多位置、不同距离、不同遮挡形式的鸭蛋图像,采集分辨率为4000
×
3000像素的JPG格式图像2600张;
[0008]2)数据集划分:对采集的原始图像数据(2600张)按照6:2:2划分为训练集(1560张)、验证集(520张)、测试集(520张),为丰富现有训练集数据信息,防止模型出现过拟合等问题,对 ...
【技术保护点】
【技术特征摘要】
1.一种鸭蛋识别定位方法,其特征在于,包括以下步骤:1)数据采集与预处理:使用羽毛、秸秆、泥沙或其他材料,模拟鸭舍的复杂环境,使用相机进行拍摄,所得数据中包括多角度、多位置、不同距离、不同遮挡形式的鸭蛋图像;2)数据集划分:对采集的原始图像数据划分为训练集、验证集、测试集,为丰富现有训练集数据信息,防止模型出现过拟合问题,对训练集样本数据增强,训练集中包含各类影响识别的图片,具体分类包括遮挡和密集度两大类因素,其中遮挡分为无遮挡、相互遮挡、泥土遮挡、羽毛遮挡,密集度分为稀疏、中等、簇拥;3)建立YOLOV7目标检测模型对数据进行检测:4)对模型进行改进和训练,建立优化后的模型;5)采用优化后的模型对鸭蛋进行识别定位。2.根据权利要求1所述的鸭蛋识别定位方法,其特征在于,所述步骤1)中,预处理方法为:使用MakeSense软件,对鸭蛋图像进行标注,得到包含鸭蛋中心点坐标(x,y),标注框高度h、宽度w信息的txt文件;选择对原始图像添加12%的高斯噪声、2.5%的椒盐噪声,通过增加冗余信息,降低图像平滑性;同时,为模拟鸭场的昏暗环境,在RGB通道利用转换公式:g(i,j)= a f(i,j) + b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中g(i,j)为转换后图像像素灰度;f(i,j)为原始图像像素灰度;a为图像增益;b为图像偏置;分别设置a=0.3,b=10;a=0.5,b=10;使得原始图像亮度降低,并且,在训练过程中,使用Mosaic方法,将多张图像随机裁剪并拼接,丰富待检测物体的背景。3.根据权利要求1所述的鸭蛋识别定位方法,其特征在于,所述步骤2)中,对训练集样本使用如下数据增强方法:2.1)添加12%的高斯噪声,2.2)添加2.5%的椒盐噪声,2.3)设置图像增益a=0.3及a=0.5,改变图像亮度。4.根据权利要求1所述的鸭蛋识别定位方法,其特征在于,所述步骤4)中,采用卷积注意力模块、深度可分离卷积网络、空间金字塔池化结构对模型进行改进和训练;卷积注意力模块包含通道注意力、空间注意力2个模块。通道注意力模块,对输入尺寸为H
×
W
×
C的特征图,分别进行全局平均池化和全局最大池化,得到2个1
×1×
C的特征图,新的特征图,再经2层全连接网络后,进行相加,接着通过σ函数得到权重系数,权重系数与输入的特征图相乘,最终得到输出特征图,其计算方法如公式(2);空间注意力模块,将通道注意力模块输出的特征图,作为输入,进行最大池化和平均池化,得到的2个H
×
W
×
1特征图在通道维度进行拼接,成为H
×
W
×
2,接着经过卷积降为一个通道,并通过σ函数生成空间权重系数,将输入特征图与权重相乘,即得到输出的特征图,其计算方法如公式(3)所示;Mc(Fm)=σ(MLP(AvgPool(Fm))+MLP(MaxPool(Fm)))
ꢀꢀꢀꢀ
(2);Ms(Fm)=σ(f7×7([AvgPool(Fm);MaxPool(Fm))])
ꢀꢀꢀꢀ
(3);式中Mc为通道注意力图,Ms为空间注意力图;Fm为输入特征图;σ为Sigmoid函数;f7×7为7
×
7卷积;MLP为Multilayer Perceptron神经网络;深度可分离卷积网络由深度卷积和逐
点卷积两部分组成,第一部分为3
×
3的深度卷积,第二部分为1
×
1的逐点卷积,其浮点预算量公式如(4),对比标准卷积浮点运算量,计算公式如(5):FLOPs1=Ci
×
K2×
Ho
×
Wo+Ci
×
Ho
×
Wo
×
Co
ꢀꢀꢀꢀꢀ
(4)...
【专利技术属性】
技术研发人员:祝志慧,何昱廷,李沃霖,马美湖,王树才,
申请(专利权)人:华中农业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。