[發明專利]基于BEGAN和YOLOV3模型的松果檢測方法在審
| 申請號： | 202010912858.0 | 申請日： | 2020-10-29 |
| 公開（公告）號： | CN112149518A | 公開（公告）日： | 2020-12-29 |
| 發明（設計）人： | 張怡卓;于慧伶;蔣大鵬;張健;羅澤;葛奕麟 | 申請（專利權）人： | 江蘇東晟輝科技開發有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京蘇博知識產權代理事務所(普通合伙) 32411 | 代理人： | 伍兵 |
| 地址： | 211599 江蘇省*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 began yolov3 模型 松果 檢測 方法 | ||
本發明公開了一種基于BEGAN和YOLOV3模型的松果檢測方法，首先采集多張不同時間節點下的松果圖像，并利用傳統圖像增強技術和BEGAN深度學習法進行數據增強；然后利用YOLOV3模型對數據增強后的所述松果圖像劃分為多個單元格，并在所述YOLOV3模型中引入利用構建的瓶頸結構密集層修改后的密集連接網絡結構后；對所述YOLOV3模型的檢測比例進行擴展，并利用DIoU算法優化所述YOLOV3模型的損失函數，能有效提高松果檢測的整體性能。
技術領域
本發明涉及松果識別技術領域，尤其涉及一種基于BEGAN和YOLOV3模型的松果檢測方法。
背景技術
紅松林中松果的實時檢測不僅是實現松果機械化采摘的數據基礎，也是紅松林評估產量的重要方法之一。近年來，使用深度學習方法對樹木中的水果進行圖像處理已有一定檢測精度，但是這些方法的檢測數據參考較少，速度較慢，且檢測精度低，導致松果檢測的整體性能不高。
發明內容
本發明的目的在于提供一種基于BEGAN和YOLOV3模型的松果檢測方法，提高松果檢測的整體性能。
為實現上述目的，本發明提供了一種基于BEGAN和YOLOV3模型的松果檢測方法，包括：
采集多張不同時間節點下的松果圖像，并利用傳統圖像增強技術和BEGAN深度學習法進行數據增強；
利用YOLOV3模型對數據增強后的所述松果圖像進行劃分，并在所述YOLOV3模型中引入密集連接網絡結構；
對所述YOLOV3模型的檢測比例進行擴展，并利用DIoU算法優化所述YOLOV3模型的損失函數。
其中，利用YOLOV3模型對數據增強后的所述松果圖像進行劃分，并在所述YOLOV3模型中引入密集連接網絡結構，包括：
利用YOLOV3模型將輸入的所述松果圖像劃分為多個單元格，并以具有松果的所述單元格為單位，獲取多個邊界框信息和所述邊界框信息對應的5個數據值。
其中，利用YOLOV3模型對數據增強后的所述松果圖像進行劃分，并在所述YOLOV3模型中引入密集連接網絡結構，還包括：
將所述YOLOV3模型使用的骨干網絡中的23個殘差模塊劃分為5組，同時利用構建的瓶頸結構密集層對密集連接網絡結構進行修改，并替換5組所述殘差模塊中的任意三組所述殘差模塊。
其中，對所述YOLOV3模型的檢測比例進行擴展，并利用DIoU算法優化所述YOLOV3模型的損失函數，包括：
分別對32倍降采樣、16倍降采樣和8倍降采樣進行上采樣后，與引入所述密集連接網絡結構后的所述YOLOV3模型中的第二組所述殘差模塊的輸出進行連接，得到4倍下采樣的特征融合目標檢測層。
其中，對所述YOLOV3模型的檢測比例進行擴展，并利用DIoU算法優化所述YOLOV3模型的損失函數，還包括：
將坐標誤差、置信度誤差和分類誤差構建成所述YOLOV3模型的損失函數，并根據對應預測框和目標框之間的中心點的歐式距離和對角線距離對所述損失函數進行優化。
本發明的一種基于BEGAN和YOLOV3模型的松果檢測方法，首先采集多張不同時間節點下的松果圖像，并利用傳統圖像增強技術和BEGAN深度學習法進行數據增強；然后利用YOLOV3模型對數據增強后的所述松果圖像劃分為多個單元格，并在所述YOLOV3模型中引入利用構建的瓶頸結構密集層修改后的密集連接網絡結構后；對所述YOLOV3模型的檢測比例進行擴展，并利用DIoU算法優化所述YOLOV3模型的損失函數，能有效提高松果檢測的整體性能。
附圖說明
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于江蘇東晟輝科技開發有限公司，未經江蘇東晟輝科技開發有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010912858.0/2.html，轉載請聲明來源鉆瓜專利網。
