[发明专利]一种基于改进YOLOv4果园复杂环境下葡萄成熟度的检测方法

说明书

本发明涉及水果成熟度检测技术领域，尤其是一种基于改进YOLOv4的果园复杂环境下葡萄成熟度检测方法。通过对采集的图像进行数据预处理与人工标注后获得数据集，再利用改进后的YOLOv4网络对其进行训练，最后得到的模型可用于葡萄成熟度的快速检测，从而提示是否为采摘的最佳时机。本发明方法容易实施，不易受环境影响，且可靠性和精度较高。

技术领域

本发明涉及水果成熟度检测技术领域，尤其是一种基于改进YOLOv4的果园复杂环境下葡萄成熟度检测方法。

背景技术

中国目前是世界上葡萄种植产量位居第一的大国，葡萄产业在中国保持着快速增长的趋势。但国内葡萄收获中仍采用手工采摘，耗费大量劳动力，随着计算机图像处理、机器视觉、控制科学的发展，自动化、智能化的葡萄采摘机器人进入农业生产成为可能。但葡萄果园内环境复杂，葡萄枝叶对葡萄果实遮挡严重，葡萄果实间存在重叠现象，且葡萄果穗中不同果粒间成熟度也不一致，使得对于葡萄果实成熟度的检测成为难题。

近年来，深度卷积神经网络在目标检测中展现出极大的优势，能够快速精准地完成检测任务，使复杂环境中果实成熟度的识别成为可能。为解决复杂场景下的葡萄成熟度检测，本研究选用基于回归的YOLO系列的第四代算法YOLOv4，将主干特征提取网络替换为Mobilenetv3网络作为改进，并引入SENet注意力机制，使其能够同时满足识别精度与检测速度的需求。本发明方法容易实施，不易受环境影响，且可靠性和精度较高。

发明内容

本发明要解决的技术问题是：为解决复杂场景下的葡萄成熟度检测，本研究选用基于回归的YOLO系列的第四代算法YOLOv4，将主干特征提取网络替换为Mobilenetv3网络作为改进，并引入SENet注意力机制，使其能够同时满足识别精度与检测速度的需求。本发明方法容易实施，不易受环境影响，且可靠性和精度较高。

本发明解决其技术问题所采用的技术方案是：

一种基于改进YOLOv4的果园复杂环境下葡萄成熟度检测方法，包括如下步骤，

(1)利用相机在不同光照条件与不同重叠遮挡程度条件下，随机对一株葡萄进行多方位、多角度、多种距离的拍摄，获得大量的不同成熟度的葡萄图片；

(2)通过网络爬取图片的方式进行数据平衡处理，使得各种成熟度的葡萄样本数量达到基本一致；

(3)通过翻转、加噪、平移等方式，对上述获得的所有图片进行数据扩增处理，从而获得足够多的不同成熟度的葡萄图像；

(4)使用1abelImg软件对图像进行人工标注，将图像中的葡萄按照成熟度划分为全青、接近全青、接近成熟与全熟的四类葡萄；

(5)利用标注好的文件建立有关葡萄成熟度的PASCAL-VOC2007格式的数据集；

(6)按照9：1的比例将数据集划分为训练集与验证集；

(7)利用改进后的YOLOv4网络对数据集进行训练；

(8)利用训练好的模型对实际场景中的葡萄进行成熟度检测，提示是否为采摘的合适时机；

具体的，所述改进后的YOLOv4网络以Mobilenetv3为主干特征提取网络且增加了SENet注意力机制。

本发明的有益效果是：本发明提供了一种基于改进YOLOv4的果园复杂环境下葡萄成熟度检测方法，通过对采集的图像进行数据预处理与人工标注后获得数据集，再利用改进后的YOLOv4网络对其进行训练，最后得到的模型可用于葡萄成熟度的快速检测，从而提示是否为采摘的最佳时机。本发明方法容易实施，不易受环境影响，可靠性和精度较高。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为本发明的成熟度检测流程图；