[发明专利]一种便携式甘蔗田间测产系统

权利要求书

1.一种便携式甘蔗田间测产系统，其特征在于，包括：

硬件部分，包括边缘计算设备、便携式显示屏、双目摄像头、第一便携供电电源、第二便携供电电源和蓝牙操控键盘；其中，所述双目摄像头、第一便携供电电源、便携式显示屏、蓝牙操控键盘均通过特定数据线和接口与边缘计算设备相连接，所述第二便携供电电源与便携式显示屏相连接，提供电量支持；

软件部分，加载于边缘计算设备，包括图像输入模块、图像处理模块和图像识别模块；其中，所述图像输入模块通过双目摄像头采集甘蔗的图像和视频，所述图像处理模块负责对图像输入模块输入的图像和视频进行分析处理，所述图像识别模块负责对图像处理模块处理后的图像和视频进行多尺度测量，基于改进后的YOLOv5神经网络模型处理，对甘蔗茎节和分叉点进行识别，进而实现甘蔗产量测量，其中茎节是指甘蔗植株表面凸起的节点部分，分叉点是指甘蔗植株和甘蔗叶子的交点部分；

其中，对YOLOv5神经网络模型进行改进，包括：①训练时使用SGD优化，添加warm up策略，并在模型训练初始时使用小的学习率，再逐步提高学习率以提高学习速度；②使用k-means聚类均值算法获取适合甘蔗茎节和分叉点特征尺寸的先验框；③添加CBAM注意力模块和VarifocalNet模块，用于提高在田间遮挡严重的情况下对甘蔗茎节和分叉点的实时检测准确率。

2.根据权利要求1所述的一种便携式甘蔗田间测产系统，其特征在于，使用k-means聚类均值算法获取适合甘蔗茎节和分叉点特征尺寸的先验框，具体情况如下：

k-means聚类均值算法先从所有数据样本中选取K个聚类，聚类是指将数据集中的样本划分为若干个不相交的子集，每个子集称为一个“簇”，聚类中数据的均值表示中心，即用每一个聚类的中心对该簇进行描述，不断回归得到各聚类值；在不断的计算过程中，将所有样本划分到距离最小的中心所在的聚类中；其中，为了使得各聚类平方和达到最小值，在选取样本的过程中要保持中心不变，根据Labelimg工具标注图像中甘蔗茎节特征后生成的txt文件，其中包含标注甘蔗茎节特征在原图像当中的位置信息和标注框左上角坐标(x，y)以及标注框的宽w、高h；运用k-means聚类均值算法聚类k个先验框的高度和宽度，计算先验框与每个边界框boundinig box的交并比IOU，评估后选出最大值；不断计算，直至获取得到最适合甘蔗茎节特征的先验框尺寸；

添加CBAM注意力模块，具体情况如下：

CBAM注意力模块是由通道注意力模块和空间注意力模块组成，对于输入的特征层，依次经过通道注意力模块和空间注意力模块，将新得到的注意力图与输入特征层进行自适应特征优化；通道注意力模块和空间注意力模块的依次结合，简化了模型结构，降低了计算压力；

通道注意力模块执行以下操作：对输入的单个特征层，分别进行全局平均池化和全局最大池化，之后将池化后的结果利用共享的全连接层进行处理，对处理后的两个结果进行相加，取结果的均值，获得输入特征层每一个通道的权值，权值为0-1之间，再将权值乘上原输入特征层即可获得通道注意力值；

空间注意力模块执行以下操作：对输入进来的特征层，在每一个特征点的通道上取最大值和平均值，之后将这两个结果进行一个堆叠，利用一次通道数为1的卷积调整通道数，取结果的均值，得到输入特征层每一个特征点的权值，权值为0-1之间，再将权值乘上原输入特征层即可获得空间注意力值；

添加VarifocalNet模块，具体情况如下：

IOU感知的分类得分IACS，是用来表示物体存在置信度和定位精度的一项指标，对于密集物体的检测有更精准的排序；Varifocal损失函数使用训练后的密集特征检测器来预测IACS，结合星形边界框特征表示来估算IACS和改进粗略边界框，并以FCOS+ATSS为基本网络，移除掉Centerness分支，组成VarifocalNet模块。