甘蔗杂质检测方法、装置、设备及介质

本技术涉及杂质检测领域，尤其涉及一种甘蔗杂质检测方法、相应的装置、电子设备及计算机可读存储介质。

背景技术：

1、甘蔗是我国重要的糖料作物，随着农业技术的不断进步，甘蔗生产收获中的含杂率实时检测问题也备受关注，联合收获机在甘蔗收割过程中的智能化程度相对滞后，导致收获蔗段中夹杂着较多的非蔗段杂质，如蔗叶、蔗根、蔗稍等。

2、近年来，深度学习在图像处理和机器视觉领域快速发展，神经网络俨然成为热词，越来越多的研究人员开始尝试利用深度学习技术来实现更准确、更鲁棒的甘蔗杂质检测方法，现有技术缺乏对含杂率的准确检测，只能依赖作业人员的感觉和经验进行调整，这不仅直接导致收获效率和质量的降低，也限制了农业智能化的发展。

3、综上，适应现有技术缺乏对甘蔗杂质的准确检测，只能依赖作业人员的感觉和经验进行调整，这不仅直接导致收获效率和质量的降低，也限制了农业智能化的发展等问题，本技术出于解决该问题的考虑作出相应的探索。

技术实现思路

1、本技术的目的在于解决上述问题而提供一种甘蔗杂质检测方法、相应的装置、电子设备及计算机可读存储介质。

2、为满足本技术的各个目的，本技术采用如下技术方案：

3、适应本技术的目的之一而提出的一种甘蔗杂质检测方法，包括如下步骤：

4、响应甘蔗杂质检测指令，获取杂质检测装置的传送带上各个角度的待检测甘蔗图像；

5、调用预训练好的甘蔗图像分割模型对所述各个角度的待检测甘蔗图像进行多个尺度的编解码，捕捉其中甘蔗杂质轮廓特征的多个图像特征信息；

6、根据所述多个图像特征信息从所述待检测甘蔗图像中提取出所述甘蔗杂质相对应的分割图，在该图像分割模型中分别对所述各个图像特征信息进行分类，获得图像特征信息包含所述甘蔗杂质的分类概率；

7、当所述甘蔗杂质的分类概率超过预设阈值时，将所述分割图中的甘蔗杂质确定为目标甘蔗杂质，并将所述目标甘蔗杂质传送至杂质处理设备进行杂质处理，以完成甘蔗杂质的检测。

8、可选的，构建甘蔗图像分割模型的步骤，包括如下步骤：

9、在所述甘蔗图像分割模型的编码部分，首先将预处理后的甘蔗图像输入到resnet50卷积神经网络网络特征的提取模块中，通过更改卷积核的大小得到独立的卷积结构和卷积残差结构，修改残差模块中的卷积通道数等于甘蔗图像分割模型的最后一层卷积通道数以保持resnet50卷积神经网络与甘蔗图像分割模型的融合，在resnet50卷积神经网络的最后一层卷积之后，添加两个金字塔池化模块；

10、在所述甘蔗图像分割模型的解码部分，对所述编码部分获得的五个初步有效特征层进行特征融合，对每个初步有效特征层进行上采样操作并且进行堆叠拼接，所述上采样操作引入双线性插值法以还原图像分辨率；

11、进行五次上采样，使得特征图恢复原输入大小，在每次上采样之后，都添加一个注意力机制，将上采样后的特征图与编码器中的特征图进行注意力机制模块的融合，输出一个新的加权后的特征图与下一卷积层进行通道维度上的拼接以进行再一次的特征融合；

12、在对融合后的特征图进行两次3×3的卷积操作、批正则化以及relu修正线性单元操作，在上采样部分的最后一层卷积处采用sigmoid目标分类函数，采用1×1的卷积进行通道调整，将最终的特征层通道数调整为5以构建甘蔗图像分割模型。

13、可选的，根据所述多个图像特征信息从所述待检测甘蔗图像中提取出所述甘蔗杂质相对应的分割图的步骤,包括如下步骤：

14、基于预训练好的甘蔗图像分割模型进行多级编码，将所述待检测甘蔗图像的规格原图逐级缩小尺度，并相应产出各个尺度相对应的中间特征信息，所述中间特征信息用于表示所述待检测甘蔗图像中的甘蔗杂质的轮廓特征；

15、基于预训练好的甘蔗图像分割模型进行多级解码，以最小尺度的中间特征信息产出的图像特征信息为基础，逐级以其同级编码产出的中间特征信息为参考信息，对应解码出更高尺度的图像特征信息，所述图像特征信息用于以掩码形式表示所述待检测甘蔗图像中的甘蔗杂质的轮廓特征；

16、由所述甘蔗图像分割模型根据所有图像特征信息融合而成的掩码图像数据对所述待检测甘蔗图像的规格原图进行图像分割，以从待检测甘蔗图像中提取出其中的所述甘蔗杂质相对应的分割图。

17、可选的，由所述甘蔗图像分割模型根据所有图像特征信息融合而成的掩码图像数据对所述待检测甘蔗图像的规格原图进行图像分割，以从待检测甘蔗图像中提取出其中的所述甘蔗杂质相对应的分割图的步骤，包括如下步骤：

18、由甘蔗图像分割模型中的resnet50卷积神经网络将所有图像特征信息融合生成掩码图像数据，所述掩码图像数据继承图像特征信息中的所述甘蔗杂质的轮廓特征；

19、根据所述掩码图像数据对所述待检测甘蔗图像的规格原图进行图像提取，获得与所述甘蔗杂质的轮廓特征相对应的轮廓内的图像构成所述甘蔗杂质的分割图。

20、可选的，将所述分割图中的甘蔗杂质确定为目标甘蔗杂质，并将所述目标甘蔗杂质传送至杂质处理设备进行杂质处理的步骤之后，包括如下步骤：

21、响应蔗糖制造指令，确定去除目标甘蔗杂质后的甘蔗果实，获取杂质检测装置的压敏传感器中的所述甘蔗果实相对应的重量数据；

22、检测所述甘蔗果实相对应的重量数据是否超过预设的重量范围，若所述甘蔗果实相对应的重量数据在所述预设的重量范围中，则将所述甘蔗果实作为目标甘蔗果实，传送至蔗糖生产设备进行蔗糖制造；

23、若所述甘蔗果实相对应的重量数据不在所述预设的重量范围中，则将所述甘蔗果实作为目标甘蔗杂质，传送至杂质处理设备进行杂质处理。

24、可选的，所述甘蔗果实包括甘蔗蔗段，所述目标甘蔗杂质包括甘蔗蔗叶、蔗根或蔗稍的一项或任意多项。

25、可选的，所述甘蔗图像分割模型的基础网络架构为u-net模型。

26、适应本技术的另一目的而提供的一种甘蔗杂质检测装置，包括：

27、甘蔗图像获取模块，设置为响应甘蔗杂质检测指令，获取杂质检测装置的传送带上各个角度的待检测甘蔗图像；

28、图像特征捕捉模块，设置为调用预训练好的甘蔗图像分割模型对所述各个角度的待检测甘蔗图像进行多个尺度的编解码，捕捉其中甘蔗杂质轮廓特征的多个图像特征信息；

29、分类概率确定模块，设置为根据所述多个图像特征信息从所述待检测甘蔗图像中提取出所述甘蔗杂质相对应的分割图，在该图像分割模型中分别对所述各个图像特征信息进行分类，获得图像特征信息包含所述甘蔗杂质的分类概率；

30、甘蔗杂质检测模块，设置为当所述甘蔗杂质的分类概率超过预设阈值时，将所述分割图中的甘蔗杂质确定为目标甘蔗杂质，并将所述目标甘蔗杂质传送至杂质处理设备进行杂质处理，以完成甘蔗杂质的检测。

31、适应本技术的另一目的而提供的一种电子设备，包括中央处理器和存储器，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本技术所述甘蔗杂质检测方法的步骤。

32、适应本技术的另一目的而提供的一种计算机可读存储介质，其以计算机可读指令的形式存储有依据所述甘蔗杂质检测方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行相应的方法所包括的步骤。

33、相对于现有技术，本技术针对现有技术缺乏对甘蔗杂质的准确检测，只能依赖作业人员的感觉和经验进行调整，这不仅直接导致收获效率和质量的降低，也限制了农业智能化的发展等问题，本技术的甘蔗杂质检测方法，包括但不限于如下有益效果：

34、其一，本技术的甘蔗杂质检测方法具有高准确性，通过对u-net网络结构进行改进和优化，能够高精度的分割甘蔗图像中的各类甘蔗杂质，精度达93.76％；。

35、其二，本技术的甘蔗杂质检测方法具有高准确性，基于改进的u-net网络结构和算法优化使得图像处理过程更高效，能够在实时或近实时的条件下快速完成分割任务，这大大提高了糖厂的工作效率，大大节省人力物力，可以更快地对甘蔗杂质进行确定，显著提高甘蔗杂质的去除率，以快速、准确地筛选出高品质的甘蔗果实，大大提高甘蔗的出糖率；

36、其三，本技术的甘蔗杂质检测方法具有可扩展性，该方法能够适应不同场景下的甘蔗杂质图像分割任务，可以根据数据变化进行自适应优化，显著提高了模型的适应性和准确性；

37、其四，本技术的甘蔗杂质检测方法具备智能化，该方法结合甘蔗含杂率检测装置，能够快速获取甘蔗图像，并进行自动识别和甘蔗杂质分割，能够快速准确地确定甘蔗杂质并去除，减轻了糖厂杂质去除阶段的负担，大大提高了糖厂的测杂效率。