[发明专利]一种便携式甘蔗田间测产系统

说明书

本发明公开了一种便携式甘蔗田间测产系统，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、蓝牙操控键盘、图像输入模块、图像处理模块和图像识别模块；双目摄像头、第一便携供电电源、便携显示屏、蓝牙操控键盘均与边缘计算设备连接，第二便携供电电源与便携显示屏相连接；图像输入模块采集甘蔗的图像和视频，图像处理模块对图像和视频进行分析处理，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，实现甘蔗产量测量。本发明可取代传统的人工产量测量方式，改善农工田间实时产量测量情况，提高工作效率和可靠性。

技术领域

本发明涉及深度学习和甘蔗田间产量测量的技术领域，尤其是指一种便携式甘蔗田间测产系统。

背景技术

传统的甘蔗产量测量仍离不开人工操作，需要人工取植株上中下三点直径后取平均值得到植株直径，还需要对植株的高度进行人工测量，每年需测量4-5次，不仅工作效率低，准确性也有影响。

在农业产量测量方面，传统机器视觉学者针对获取的图片通过阈值分割法将RGB颜色模型中的甘蔗茎节和分叉点从背景中分离出来，并进一步分析识别出茎节和分叉点的个数与产量之间的关系，这样操作不仅复杂而且效率低下。甘蔗大多种植在户外，与其相关的作业也大多是在户外进行，背景条件复杂且受自然光照的影响，识别难度大；如借鉴传统机器视觉的方法，不仅甘蔗茎节和分叉点识别的准确性和稳定性无法保证，二者识别数量与产量之间的相关系数也较低，实施的可能性不大。

在最近几年人工智能的发展中，深度学习与卷积神经网络的发展带给目标检测方向质的飞跃，提供了良好的效果。但是，现阶段基于视觉的目标检测大多是在服务器端对单张图片进行处理和检测，对于实时的、在线的目标检测来说，参考的意义不大，并且也无法搬运到田地场景中实施，实施的可行性仍不大。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种便携式甘蔗田间测产系统，基于改进后的YOLOv5神经网络模型，通过视觉识别甘蔗植株的高度和直径计算出体积，再乘以甘蔗的容重，从而得到甘蔗单个植株的重量。通过快速、大量采集甘蔗植株的重量，就可以获得某地块的甘蔗产量，该系统可取代传统的人工产量测量方式，改善农工田间实时产量测量情况。

为实现上述目的，本发明所提供的技术方案为：一种便携式甘蔗田间测产系统，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warmup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。

进一步，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：