[發明專利]一種基于yolov5的蔬菜種類檢測與識別方法

在審

• 申請號: 202011547550.7
• 申請日: 2020-12-24
• 公開（公告）號: CN112668445A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 段連元
• 申請（專利權）人: 南京泓圖人工智能技術研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06N3/08
• 代理公司: 天津垠坤知識產權代理有限公司 12248
• 代理人: 王忠瑋

本發明提供一種基于yolov5的蔬菜種類檢測與識別方法，包括模型訓練過程和模型應用過程，模型訓練過程步驟如下：準備包含各類蔬菜的照片數據；標注照片數據中的蔬菜區域的類別，采用邊框框出蔬菜區域，定義此邊框為真實的邊框；將標注好的照片數據輸入YOLOv5網絡模型進行訓練，得到訓練結果并獲得模型權重文件。本發明能夠自動檢測識別蔬菜，可以方便超市和菜市場對蔬菜的管理，減少資源的消耗，同時提高工作效率，本發明同時具備較高的準確率和實時性，為蔬菜市場提供高效的管理辦法，使得買家在購買蔬菜時，不需要工作人員的幫助就可以自動完成購買活動，提高蔬菜購買的效率，減少市場管理資源的消耗，加速智能信息時代的經濟發展。

技術領域

本發明涉及計算機領域，具體為一種基于yolov5的蔬菜種類檢測與識別方法。

背景技術

計算機視覺是一門研究如何使機器看的科學，更進一步的說，就是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。作為一個科學學科，計算機視覺研究相關的理論和技術，試圖建立能夠從圖像或者多維數據中獲取'信息'的人工智能系統。這里所指的信息指Shannon定義的，可以用來幫助做一個決定的信息。因為感知可以看作是從感官信號中提取信息，所以計算機視覺也可以看作是研究如何使人工系統從圖像或多維數據中感知的科學。

而近年來深度學習在計算機視覺領域的飛速發展，讓機器自動檢測識別蔬菜成為可能，目前在超市或者菜市場，人們一般采用的是工作人員手動記憶分辨、二維碼或條形碼掃描等方式對蔬菜進行分類識別，這種方式會消耗較大的人力和物力，已經難以滿足智能信息時代的需求。

發明內容

本發明目的在于提供一種基于yolov5的蔬菜種類檢測與識別方法，具備較高的準確率和實時性，為蔬菜市場提供高效的管理辦法，使得買家在購買蔬菜時，不需要工作人員的幫助就可以自動完成購買活動，提高蔬菜購買的效率，減少市場管理資源的消耗，加速智能信息時代的經濟發展。

為達成上述目的，本發明提出如下技術方案：一種基于yolov5的蔬菜種類檢測與識別方法，包括模型訓練過程和模型應用過程，模型訓練過程步驟如下：

準備包含各類蔬菜的照片數據；

標注照片數據中的蔬菜區域的類別，采用邊框框出蔬菜區域，定義此邊框為真實的邊框；

將標注好的照片數據輸入YOLOv5網絡模型進行訓練，得到訓練結果并獲得模型權重文件；

模型應用過程步驟如下：

使用拍照設備采集蔬菜的清晰、光照均勻的照片；

加載訓練好的YOLOv5網絡模型，將蔬菜圖片輸入訓練好的YOLOv5網絡模型進行預測；

得到蔬菜區域及類別和數量信息，為之后計算蔬菜價格等后序操作作準備。

進一步的，在本發明中，所述YOLOv5網絡模型包括：

Backbone，同圖像細粒度上聚合并形成圖像特征的卷積神經網絡；

Neck，一系列混合和組合圖像特征的網絡層，并將圖像特征傳遞到預測層；

Head，對圖像特征進行預測，生成邊界框并預測類別定義此邊界框為預測的邊框；

Backbone和Neck用于提取圖像特征，圖像特征即為輸入圖片預測框中各種蔬菜的特征，ead用于特征檢測和預測類別。

進一步的，在本發明中，所述YOLOv5網絡模型的輸出為(x，y，w，h，c)，分別表示預測框在圖像坐標系上的x、y坐標，矩形寬高width、height，以及置信度confidence。