[发明专利]一种香菇菌棒智能分级系统及分级方法

说明书

本发明涉及一种香菇菌棒智能分级系统及分级方法，本发明由单片机控制电动转盘带着菌棒旋转，由工业摄像头实时采集菌棒表面图像，由红外温度传感器实时采集菌棒表面温度和环境温度，由计算机对所有图像利用深度学习神经网络YOLOv4对香菇进行识别，利用改进的多目标跟踪算法DeepSort对香菇进行跟踪，最后得到菌棒上香菇数量、香菇重叠率、香菇颜色、香菇菌盖平均面积、菌棒表面平均温度和环境平均温度等特征参数，并将这些特征参数输入菌棒分级模型得到香菇菌棒的等级。本发明首次提出并实现YOLOv4和DeepSort相关联跟踪香菇并不跟丢的新方法，成功建立第一套全自动、多参数和高精度提取香菇菌棒表型参数并实现菌棒智能分级的系统。

技术领域

本发明属于机器视觉检测技术，涉及一种能够动态检测菌棒表面生长的香菇数量、香菇重叠率、香菇颜色、香菇菌盖平均面积、菌棒表面平均温度、菌棒环境平均温度等特征参数，再根据这些参数建立菌棒分级模型，进行菌棒智能分级的系统及分级方法。

背景技术

香菇的产量与品质直接影响农民的收入，众多学者对在香菇栽培过程中影响香菇生长的因素进行了研究。香菇依靠菌棒提供养分健康生长，菌棒上是否存在香菇重生(重叠)的现象、菌棒上生长的香菇数量、菌棒的表面平均温度、单个菌棒上的香菇平均菌盖面积、香菇菌盖颜色对香菇的产量和品质有显著影响。同时以上性状也反映了菌棒的质量等级。挑选一个良好的菌棒作为香菇培养基能够减少香菇重生，增加出菇率等提高香菇的产量和品质。目前，检测菌棒上的香菇数量、判断菌棒上的香菇是否有重生的现象、对菌棒上的香菇进行品质分析还是依靠人工来进行统计，人工统计的方法效率较低并且受主观因素影响较大，无法准确对菌棒生长质量的好坏进行分级。

汪威等提出了一种基于机器视觉的去柄鲜香菇智能分级方法，并设计了一套自动分级系统。王靖宇等根据鲜香菇图像特点和分级标准，运用计算机视觉技术和神经网络算法对香菇进行自动检测与分级。采用掩模去背景、中值滤波、边缘亮度补偿等技术对图像进行处理。选取香菇菌盖最大直径、圆形度、色调均值及缺陷区域总面积与香菇图像总面积的比值作为鲜香菇分级的特征参数。但以上方法都是对摘除后的香菇进行处理，无法在香菇生长阶段直接无损提取菌棒上香菇的参数特征并对菌棒进行分级。

YOLOv4是一种目标识别神经网络，是YOLOv3的改进版，YOLOv4的主干特征提取网络由YOLOv3的DarkNet53改为CSPDarkNet53，在ILSVRC2012(ImageNet)数据集的对象分类方面，CSPResNext50比CSPDarkNet53更好，然而，相反，就检测MS COCO数据集上的对象而言，CSPDarkNet53比CSPResNext50更好。具有最佳分类精度的模型在检测器精度方面并不总是最佳。YOLOv4加入了改进后的SPP(空间金字塔池化层)、PAN(路径聚合网络)，YOLOv4作者将SAM从空间注意修改为点注意，并将PAN的快捷连接分别替换为串联，并且将DarknetConv2D的激活函数由LeakyReLU修改成了Mish，卷积块由DarknetConv2D_BN_Leaky变成了DarknetConv2D_BN_Mish。

DeepSort是一种多目标跟踪算法，在DeepSort出现之前已经有一种简单在线实时跟踪算法SORT，它使用匈牙利方法在图像空间中执行卡尔曼滤波和逐帧数据关联，并使用测量边界框重叠的关联度量。这种简单的方法在高帧率下实现了良好的性能。在MOT挑战数据集上，使用最先进的人员检测器的SORT在标准检测上的平均排名高于MHT。但是当跟踪目标存在较长时间的遮挡时容易增加跟踪目标身份切换的次数，SORT在通过遮挡进行跟踪方面存在缺陷。学者通过整合外观信息以提高SORT的性能，通过离线训练重识别数据集来学习深度关联度量，将目标信息的外观特征加入到帧之间的关联中，以此来减少身份切换的次数，经论文作者实验评估表明，通过训练提取目标信息外观特征的方法将身份切换的数量减少了45％，提高了目标追踪的整体性能。

发明内容