马铃薯的品质识别方法及处理器

本发明涉及马铃薯分选，具体地涉及一种马铃薯的品质识别方法及处理器。

背景技术：

1、作为食材和种薯的马铃薯都需要按照行业标准进行分选，尤其是作为种薯的马铃薯，不仅需要识别表皮缺陷还需要识别芽眼。然而，现有技术中只针对表皮缺陷或芽眼的单一特征进行识别，对品质判定的准确率不够准确。在仅单独识别到芽眼或表皮缺陷特征的情况下，难以给出兼顾两者的合理的分级策略，用来区分马铃薯的品质。

2、此外，现有的识别表皮缺陷/芽眼的技术是基于马铃薯二维静态图像处理以及相关识别算法，利用二维静态图像进行检测。由于马铃薯本身是立体结构，单单针对二维图像对品质判定的准确率不够准确。

技术实现思路

1、本发明实施例的目的是提供一种方法，该方法能够实现缺陷特征和芽眼特征的多目标动态感知，从而识别马铃薯的品质分级。

2、为了实现上述目的，本发明实施例提供一种马铃薯的品质识别方法，包括：

3、获取待识别马铃薯的一组图像，其中，一组图像是从不同角度采集得到的；

4、通过预先训练好的马铃薯品质检测模型，从一组图像中提取待识别马铃薯的缺陷特征和芽眼特征，其中，缺陷特征包括病斑、裂缝、破皮、和虫眼特征；及

5、根据识别出的缺陷特征和芽眼特征，确定待识别马铃薯的品质分级。

6、优选的，马铃薯品质检测模型是基于yolov5神经网络算法训练得到检测模型，且训练所用的训练数据集为预先标注有缺陷和芽眼的一组马铃薯图像。

7、进一步的，yolov5神经网络算法的panet层替换为bifpn模块，bifpn模块的特征金字塔包括不同尺度的特征图。

8、优选的，将yolov5神经网络算法的panet层替换为bifpn模块，包括以下步骤：

9、步骤1：对于特征图中的每个尺度i，进行上采样操作以匹配较高尺度的特征图，上采样后的特征图记为p′_i；

10、步骤2：对于特征图中的每个尺度i，将上采样后的特征图与原始特征图进行逐元素相加，得到双向连接的特征图，记为q_i，且q_i＝p_i+p′_i；

11、步骤3：对于特征图中的每个尺度i，进行特征融合，融合后的特征图记为f_i，且f_i＝w_{i,0}*q_i+w_{i,1}*(f_{i-1}+f_{i+1})，式中，w_{i,0}和w_{i,1}为可学习的权重参数；

12、步骤4：对f_i进行自适应加权，以增强重要特征的表达能力；及

13、步骤5：对f_i进行下采样操作，将其尺寸变换为预设的分辨率，以符合下一个阶段处理的要求。

14、优选的，yolov5神经网络算法中，增加小目标检测层，以增强马铃薯图像并使目标检测的锚框适应马铃薯图像中的外皮缺陷和/或芽眼特征尺寸。

15、优选的，小目标检测层的检测过程，包括：

16、步骤s1：在特征图上应用1x1卷积层，以调整通道数并增强图像特征；

17、步骤s2：调整特征图中锚框的尺寸或比例，以适应小目标的尺寸，其中小目标为马铃薯图像中的外皮缺陷和/或芽眼；

18、步骤s3：增加3x3或5x5的卷积层，以进一步调整通道数并增强图像特征；

19、步骤s4：通过小目标检测算法输出检测结果，包括特征的边界框坐标和特征类别的概率。

20、可选的，马铃薯的品质识别方法还进一步包括：根据识别出的品质分级，对待识别马铃薯进行筛选和切割，以得到符合筛选条件的马铃薯种块。

21、可选的，在通过预先训练好的马铃薯品质检测模型识别待识别马铃薯的特征之前，对待识别马铃薯进行预处理，包括：从一组图像中提取待识别马铃薯的直径和长度，并根据直径和长度将待识别马铃薯处理为符合预定规格的马铃薯种块。

22、优选的，获取待识别马铃薯的一组图像，包括：

23、通过传输设备带动待识别马铃薯沿传输方向移动的同时沿预定方向滚动；

24、通过图像设备采集待识别马铃薯滚动过程中视频；及

25、从视频中提取一组图像帧作为一组图像。

26、另一方面，本发明提供一种处理器，用于运行程序，该程序被运行时用于执行：本申请的马铃薯的品质识别方法。

27、通过上述技术方案，从不同角度采集待识别马铃薯的一组图像，然后通过马铃薯品质检测模型从一组图像中提取待识别马铃薯的各种表皮缺陷特征和芽眼特征，并根据识别出的各种特征确定待识别马铃薯的品质分级，能够准确地识别马铃薯的表皮缺陷和芽眼的多目标特征，并有效的进行分级。

28、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

技术特征：

1.一种马铃薯的品质识别方法，包括：

2.根据权利要求1所述的马铃薯的品质识别方法，其特征在于，

3.根据权利要求2所述的马铃薯的品质识别方法，其特征在于，

4.根据权利要求3所述的马铃薯的品质识别方法，其特征在于，将所述yolov5神经网络算法的panet层替换为bifpn模块，包括以下步骤：

5.根据权利要求2所述的马铃薯的品质识别方法，其特征在于，所述yolov5神经网络算法中，增加小目标检测层，以增强马铃薯图像并使目标检测的锚框适应所述马铃薯图像中的外皮缺陷和/或芽眼特征尺寸。

6.根据权利要求5所述的马铃薯的品质识别方法，其特征在于，所述小目标检测层的检测过程包括：

7.根据权利要求1所述的马铃薯的品质识别方法，还进一步包括：

8.根据权利要求1所述的马铃薯的品质识别方法，其特征在于，在通过预先训练好的马铃薯品质检测模型识别所述待识别马铃薯的特征之前，对所述待识别马铃薯进行预处理，包括：

9.根据权利要求1所述的马铃薯的品质识别方法，其特征在于，所述获取待识别马铃薯的一组图像，包括：

10.一种处理器，其特征在于，用于运行程序，其中，所述程序被运行时用于执行：如权利要求1-9中任意一项所述的马铃薯的品质识别方法。

技术总结
本发明实施例提供一种马铃薯的品质识别方法及处理器，属于马铃薯分选技术领域。该方法包括：获取待识别马铃薯的一组图像，该一组图像是从不同角度采集得到的；通过马铃薯品质检测模型，从一组图像中提取待识别马铃薯的缺陷特征和芽眼特征，其中，缺陷特征包括病斑、裂缝、破皮、和虫眼特征；根据识别出的缺陷特征和芽眼特征，确定待识别马铃薯的品质分级。根据该方法能够准确地识别马铃薯的表皮缺陷和芽眼的多目标特征，并有效的进行分级。

技术研发人员：房建东,郝越,赵于东
受保护的技术使用者：内蒙古工业大学
技术研发日：
技术公布日：2024/1/15