[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

本發明公開了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，克服現有技術的無法準確估計糧倉內糧食數量導致浪費人力物力的問題，本發明能夠從正對于糧倉查糧門的前端攝像頭中獲取一張待檢測糧倉糧食狀態圖像，并能通過基于YOLO?v4算法的深度學習目標檢測模型與LSD直線檢測算法對糧食高度進行分析，計算出當前糧倉儲備糧食數量情況，并能將計算結果反饋至前端平臺進行展示。

技術領域

本發明涉及圖像監測領域，尤其是涉及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。

背景技術

糧食是人類生存的必需品，糧食的安全儲備對國民經濟的穩定發展起到至關重要的作 用。任何時候都不能出現閃失。近來，隨著國內、外糧食形勢變化，糧食儲備的安全問題越 發顯得重要。在糧食的倉儲過程中，要對實際倉儲糧食數量進行準確的估算，糧食在倉儲中 會由于潮濕氣候等原因產生損耗，因此需要精準的估計糧倉內剩余的糧食數量。然而現有技 術中對剩余糧倉糧食數量的獲取均為人工處理稱重，工作強度大、效率低，成本高，現有技 術無法高效準確的獲取糧倉內糧食的具體數量。

發明內容

本發明是為了克服現有技術的無法準確估計糧倉內糧食數量導致浪費人力物力的問 題，提供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，本方法可以精確的估 計糧倉內糧食的數量。

為了實現上述目的，本發明采用以下技術方案：

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，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中的中查糧門、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。