(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210928332.0 (22)申请日 2022.08.03 (71)申请人 李昂耕 地址 330000 江西省南昌市江西农业大 学 北区 (72)发明人 李昂耕　陈艳红　 (74)专利代理 机构 广东远胜智和知识产权代理 事务所(普通 合伙) 44665 专利代理师 曹爱红 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/73(2017.01) G06V 20/68(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06T 7/62(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于YOLOv4的蘑菇裂纹检测分级系统 (57)摘要 一种基于YOLOv4的蘑菇 裂纹检测分级系统， 包括数据采集模块、 数据预处理模块、 数据训练 模块、 分级模块； 所述分级模块是安装在PC机内 的应用软件； 蘑菇裂纹检测分级的过程包括五个 步骤。 本发明基于人工智 能技术， 应用中在各单 元共同作用下， 终端用户将需要分级的蘑菇放在 安装了相应应用单元的PC机等的摄像头下， 摄像 头采集数据后， 通过分级模块能自动对蘑菇进行 分级， 可具体得出检测的蘑菇等级， 由于不再需 要人为目视检测， 减少了分级成本以及对蘑菇的 损伤， 且提升了对蘑菇分级的效率和分级质量， 节省了人工成本， 为蘑菇产业良性发展起到了有 效助力。 权利要求书2页 说明书6页 附图5页 CN 115294056 A 2022.11.04 CN 115294056 A 1.一种基于YOLOv4的蘑菇裂纹检测分级系统， 其特征在于， 包括数据采集模块、 数据预 处理模块、 数据训练模块、 分级模块； 所述分级模块是安装在PC机内的应用软件； 蘑菇裂纹 检测分级的过程如下， 步骤(1)： 通过数据采集模块采集经摄像头获得的不同位置、 不同形 状的蘑菇图像， 将采集到的数据集通过数据预 处理模块将数据集的70％用作训练模型算法 的训练数据， 其余的30％用作验证和测试模型算法检测的效果， 经数据预处理模块将训练 集图像复制成A、 B、 C、 D四份相同的图像集， 测试集不用复制。 然后对A图像集每张图片分别 进行旋转、 翻转、 剪裁， 对B图像集每张图片分别进行亮度变换、 对比度变换以及颜色变换。 步骤(2)： 经数据预处理模块， 对C图像集进行MG_Crack变换， 之后将变换后的A、 B、 C图像集 与未变换的D图像集进行混合， 组成新的训练数据集； MG_Cr ack图像变换的具体步骤是， 首 先， 先筛选出真实框面积大于0.3并且真实框数量大于等于3的图片， 并从这些图片中不放 回的随机抽取三张， 在原始蘑菇裂纹数据集中不放回的随机抽取一张， 一共四张图片， 然后 将抽取的三张图片以对角线交点为圆心做圆、 随机生成分割点、 并分割成四部分， 并选取一 张图片的四个部分中平均真实框面积最大 的那一个部分， 三张图共选出三个部分， 最后将 这三个部分图片与第四张图片分割好的四个相应部 分的某一个拼接合成一张图片备用； 步 骤(3)： 通过数据训练模块将步骤(2)获得的新训练数据集输入到骨干网络CSPDarknet53 中， 然后将提取到的分级的蘑菇特征输入到PAN和SPP 网络中进行特征融合， 之后将特征输 入到YOLOv3网络中进行蘑菇裂纹的检测识别； 步骤(4)通过数据测试模块将测试集输入到 模型中， 最后根据模型在测试集上识别的效果来调整相应参数使其达到最佳性能、 达到最 佳性能后就可交给用户使用； 步骤(5)： 通过分级模块， 终端用户经摄像头将 需要分级的蘑 菇图像数据进行采集， 并输入到CSPDarknet53网络中进行特征的提取、 将提取到的特征再 输入到PAN和SPP网络中进行特征融合、 将融合后的特征输入到YOLOv3网络中进行识别， 将 识别后的蘑菇裂纹的坐标信息输进公式中， 得出每个蘑菇定量的分级信息， 并将所有蘑菇 的分级数值从小到大排列划分等级， 终端用户就可 得到检测的蘑菇质量。 2.根据权利 要求1所述的一种基于YOLOv4的蘑菇裂纹检测分级系统， 其特征在于， 步骤 (1)中， 对A图像集每张图片分别进行旋转的角度是90度、 180度、 270度， 翻转的模式是上下 翻转， 左右翻转， 剪裁作用是扩充图像数据、 增强模型检测的鲁棒性； 对B图像集每张图片分 别进行亮度、 对比度、 颜色变换作用是扩充图像数据、 同时也增强模型检测的鲁棒性； 进一 步地， 所述步骤(2)中， 对C图像集进行MG_Cr ack变换作用是增强模型算法对不同尺度的蘑 菇裂纹的识别能力； 组成新的训练数据集作用是扩充训练数据集， 提升算法模型 的鲁棒性 与泛化能力。 3.根据权利 要求1所述的一种基于YOLOv4的蘑菇裂纹检测分级系统， 其特征在于， 步骤 (3)中， 将新的训练数据集输入到骨干网络中作用是更好更充分的提取到蘑菇裂纹图片的 特征， 进而提升算法模型的准确度， 提取的特征输入到PAN和SPP 网络中进行特征融合作用 是进一步提升算法模 型的性能， 特征输入到Y OLOv3网络中进 行蘑菇裂纹的检测识别作用是 高效的将提取融合之后的特 征进行准确的识别。 4.根据权利 要求1所述的一种基于YOLOv4的蘑菇裂纹检测分级系统， 其特征在于， 步骤 (2)， 具体以图片对角线交点为圆心， 取蘑菇[真实框宽平均值+真实框高平均值]的平均值R 为半径做圆， 再该圆内随机生成分割点、 将图片分割成四部分。 5.根据权利 要求1所述的一种基于YOLOv4的蘑菇裂纹检测分级系统， 其特征在于， 步骤权　利　要　求　书 1/2 页 2 CN 115294056 A 2(1)中， 训练集进行数据增强过程中需要分别旋转90度、 180度、 270度， 并上下翻转、 左右翻 转、 剪裁， 亮度、 对比度、 颜色变换。 6.根据权利 要求1所述的一种基于YOLOv4的蘑菇裂纹检测分级系统， 其特征在于， 步骤 (5)中， 实际过程中会将模型算法嵌入到互联网设备的APP中， 具体的嵌入的是训练好的模 型， 用户可以直接用来分级。 7.根据权利 要求1所述的一种基于YOLOv4的蘑菇裂纹检测分级系统， 其特征在于， 步骤 (5)中， 所有蘑菇的分级中， 用户根据自己的需要来进行划分等级。权　利　要　求　书 2/2 页 3 CN 115294056 A 3