一种基于深度学习的苹果表皮缺陷检测方法和系统技术方案

本发明专利技术涉及一种基于深度学习的苹果表皮缺陷检测方法和系统，方法包括：获取苹果表皮图像；构建改进的YOLOv5s模型；通过改进的YOLOv5s模型对所述苹果表皮图像进行缺陷检测，并输出缺陷检测结果；其中，改进的YOLOv5s模型包括Backbone模块、Neck模块和Head模块，Backbone模块包括若干DSCS结构，DSCS结构用于提取浅层特征和深层特征，并将所述浅层特征和深层特征进行拼接，再对拼接后的特征进行特征筛选；Neck模块用于对Backbone模块筛选的特征进行特征融合；Head模块用于对Neck模块融合得到的特征进行预测。本发明专利技术能够对苹果表皮的缺陷进行准确预测。陷进行准确预测。陷进行准确预测。

【技术实现步骤摘要】
一种基于深度学习的苹果表皮缺陷检测方法和系统


[0001]本专利技术涉及苹果品质无损检测
，尤其是指一种基于深度学习的苹果表皮缺陷检测方法和系统。

技术介绍

[0002]苹果是世界上产量最高的水果之一，更是中国种植面积最大、产量最高的水果。据美国农业部对外农业服务局统计，中国的苹果产量常年占据世界苹果产量的50％以上。在科技与经济发展的今天，苹果生产效率成为最重要的市场竞争因素，快速地生产高质量农产品是产业制胜的必由之路。而目前的农业生产大多还是原始的人工生产，传统的人工种植、采摘以及分选效率低下，且容易受到其他因素影响。为解决相应问题，实现农产品高效生产，机械化和智能化被广泛应用于农业中，逐渐解放农业生产力，是当今农业的唯一出路。
[0003]农产品产业机械化主要体现在种植、采摘以及分级等多个方面，而农产品分级又是目前苹果产业机械化的主要方向。高效率筛选出高质量苹果是打响品牌竞争的关键一步。基于苹果本身易因碰撞导致损伤，对机械设备设计的要求较高，目前苹果的分级主要是人工完成的。但由于主观因素的存在，往往会使分级精度下降。由此可见本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的苹果表皮缺陷检测方法，其特征在于：包括：获取苹果表皮图像；构建改进的YOLOv5s模型；通过所述改进的YOLOv5s模型对所述苹果表皮图像进行缺陷检测，并输出苹果表皮缺陷检测结果；其中，所述改进的YOLOv5s模型包括依次连接的Backbone模块、Neck模块和Head模块，所述Backbone模块包括若干DSCS结构，所述DSCS结构用于提取浅层特征和深层特征，并将所述浅层特征和深层特征进行拼接，再对拼接后的特征进行特征筛选；所述Neck模块用于对所述Backbone模块筛选的特征进行特征融合；所述Head模块用于对所述Neck模块融合得到的特征进行预测。2.根据权利要求1所述的基于深度学习的苹果表皮缺陷检测方法，其特征在于：所述Backbone模块包括依次连接的第一CBS单元、第二CBS单元、第一DSCS结构、第三CBS单元、第二DSCS结构、第四CBS单元、第三DSCS结构、第五CBS单元、第一C3单元和SPFF单元；其中，所述第一CBS单元、第二CBS单元、第三CBS单元、第四CBS单元和第五CBS单元均用于特征提取，所述第一C3单元用于特征提取，所述SPFF单元用于把不同尺度特征图进行特征融合。3.根据权利要求2所述的基于深度学习的苹果表皮缺陷检测方法，其特征在于：所述第一DSCS结构、第二DSCS结构和第三DSCS结构均包括依次连接的Dense模块和SE模块，所述Dense模块的输出和SE模块的输出进行相加后与第十CBS单元连接；所述Dense模块用于提取浅层特征和深层特征，并将所述浅层特征和深层特征进行拼接，得到拼接特征；所述SE模块用于对Dense模块得到的拼接特征进行特征筛选；所述Dense模块包括依次连接的若干Dense层，当前Dense层的输入与当前Dense层的输出连接，下一个Dense层的输入与下一个Dense层的输出连接，当前Dense层的输入还和下一个Dense层的输出连接；每个所述Dense层均包括依次连接的第一BN层、第一Conv层和ReLU层。4.根据权利要求2所述的基于深度学习的苹果表皮缺陷检测方法，其特征在于：所述Neck模块包括依次连接的第六CBS单元、第一上采样层、第一Concat层、第二C3单元、第七CBS单元、第二上采样层、第二Concat层、第三C3单元、第八CBS单元、第三Concat层、第四C3单元、第九CBS单元、第四Concat层和第五C3单元；其中，所述SPFF单元的输出和第六CBS单元的输入连接，所述第六CBS单元还和第四Concat层连接，所述第三DSCS结构还和第一Concat层连接，所述第二DSCS结构还和第二Concat层连接，所述第七CBS单元还和第三Concat层连接；所述第六CBS单元、第七CBS单元、第八CBS单元和第九CBS单元均用于特征提取，所述第二C3单元、第三C3单元、第四C3单元、第五C3单元均用于特征提取。5.根据权利要求4所述的基于深度学习的苹果表皮缺陷检测方法，其特征在于：所述Head模块包括第一Decoupled Head单元、第二Decoupled Head单元和第三Decoupled Head单元；其中，所述第一Decoupled Head单元和第三C3单元连接，所述第二Decoupled Head单
元和第四C3单元连接，所述第三Decoupled Head单元和第五C3单元连接；所述第一Decoupled Head单元、第二Decoupled Head单元和第三Decoupled Head单元均包括依次连接的第一CBE单元和第二CBE单元，所述第二CBE单元分...

【专利技术属性】
技术研发人员：周德强，朱琦，盛卫锋，左文娟，朱家豪，
申请(专利权)人：江南大学，
类型：发明
国别省市：