[發明專利]基于深度學習與LSD直線檢測算法的糧食數量估算方法

有效

• 申請號: 202011592858.3
• 申請日: 2020-12-29
• 公開（公告）號: CN112734826B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 柳瑞蕓;金獻軍;葉金雷;封晨波
• 申請（專利權）人: 華信咨詢設計研究院有限公司
• 主分類號: G06T7/62
• 分類號: G06T7/62;G06N3/04;G06N3/08
• 代理公司: 杭州杭誠專利事務所有限公司 33109
• 代理人: 尉偉敏

1.一種基于深度學習與LSD直線檢測算法的糧食數量估算方法，其特征是，包括以下步驟：

步驟1：通過測量獲取待檢測糧倉倉底面積S、糧倉高度h₁和糧倉查糧門長度l，通過存儲糧食種類獲取糧倉儲備糧食的密度ρ，用于輔助糧食數量的估算；

步驟2：利用角度正對于糧倉查糧門的攝像頭，拍攝各種狀態、各種時刻待檢測糧倉倉內圖像總計48000張，并對圖像中查糧門、糧面與墻面交接處、倉頂與墻面交接處位置進行標注，并將標注后的圖像生成糧倉圖像數據集G；

步驟3：利用基于YOLO-v4算法的深度學習模型，對糧倉圖像數據集G進行訓練，獲得用于檢測查糧門、糧面與墻面交接處、倉頂與墻面交接處位置的目標檢測模型，用于檢測；

步驟4：利用角度正對于糧倉查糧門的攝像頭，從視頻流中自動獲取一張當前狀態下、待檢測糧倉的倉內圖像A，利用訓練完成的目標檢測模型，對倉內圖像A中的查糧門、糧面與墻面交接處、倉頂與墻面交接處位置進行N次預測，獲得查糧門預測框坐標結果集k_n，糧面與墻面交接處位置預測框坐標結果集e_n，倉頂與墻面交接處位置預測框坐標結果集z_n，其中n＝1,2,...,N，利用置信度分析指標對k_n、e_n、z_n進行分析與邏輯判斷，選擇其中置信度最高的預測結果記為P_s，P_s＝[k_s,e_s,z_s]；

步驟5：利用LSD直線檢測算法對預測結果P_s進行分析檢測并在原圖中繪制糧面與墻面交接線l₁、倉頂與墻面交接線l₂；

步驟6：計算糧面與墻面交接線l₁與倉頂與墻面交接線l₂之間的像素高度h₂，計算查糧門像素高度h₃，利用通過已知的查糧門高度l映射出糧面到倉頂的真實高度h₄；

步驟7：通過已知的糧倉面積S，糧倉高度h₁，結合倉內糧食種類密度ρ，對糧倉內糧食儲備數量m進行估算；

步驟8：將計算得到的糧食數量估算結果定時反饋至前端平臺進行展示。

2.根據權利要求1所述的一種基于深度學習與LSD直線檢測算法的糧食數量估算方法，其特征是，所述步驟3包括以下步驟：

S31、處理深度學習模型輸入圖像數據集：采用Mosaic數據增強方式處理糧倉圖像數據集G，平衡圖像數據集與GPU之間的關系；

S32、構建深度學習模型BackBone：利用CSPDarknet53方式構建BackBone的網絡結構、使用Mish函數作為BackBone的激活函數，采用Dropblock正則化法作為BackBone的過擬合控制函數；

S33、構建深度學習模型Neck，利用FPN+PAN方式構建Neck主結構，利用SPP空間金字塔池化思想，設置圖像固定輸出尺度；

S34：構建深度學習模型損失函數，利用CIOU_LOSS算法構建損失函數，用于優化學習模型。