基于YOLOv7-MEF模型的玉米籽粒品质检测方法
申请人信息
- 申请人:青岛农业大学
- 申请人地址:266000 山东省青岛市城阳区长城路700号
- 发明人: 青岛农业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于YOLOv7-MEF模型的玉米籽粒品质检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410033472.0 |
| 申请日 | 2024/1/10 |
| 公告号 | CN117710966A |
| 公开日 | 2024/3/15 |
| IPC主分类号 | G06V20/68 |
| 权利人 | 青岛农业大学 |
| 发明人 | 杨丽丽; 王东伟; 刘程熳; 王长龙; 张广兴; 任德港; 左百强 |
| 地址 | 山东省青岛市城阳区长城路700号 |
摘要文本
本发明公开一种基于YOLOv7‑MEF模型的玉米籽粒品质检测方法，属于玉米籽粒品质检测领域，采集玉米籽粒图像数据，并将采集到的玉米籽粒图像数据划分为正常、发霉、破损和发芽4个等类别，通过对图像进行标注和增强，构建数据集；然后构建YOLOv7‑MEF模型，以YOLOv7‑tiny模型作为基础模型，采用MobileNetV3替代原模型的特征提取主干网络，并融合了ESE‑Net加强特征提取，Focal‑EIoU Loss优化原损失函数，并对模型进行训练，以具备精度高、检测速度快、模型尺寸小等特点；本方案对农业生产中进行快速无损的按需分类玉米籽粒起到良好的基础性作用，精度高、检测速度快；对于嵌入到移动终端设备的现场工作环境中也具有较好的检测效果，具有广泛的实际应用和开发价值。
专利主权项内容
1.基于YOLOv7-MEF模型的玉米籽粒品质检测方法，其特征在于，包括以下步骤：步骤A、构建训练数据集：采集玉米籽粒图像数据，并将采集到的玉米籽粒图像数据进行分类，包括正常、发霉、破损和发芽4个类别，对图像进行标注，构建数据集；步骤B、构建YOLOv7-MEF模型，并基于训练数据集对模型进行训练；其中，以YOLOv7-tiny模型作为基础模型构建YOLOv7-MEF模型，YOLOv7-MEF模型包括Backbone网络层、Neck网络层和Head网络层三个部分，通过SPPCSP模块连接Backbone网络层部分与Neck网络层部分，所述SPPCSP模块是由多个CBL结构与三个Max-Pool层共同组成；在Backbone网络层结构中，使用ELAN结构代替原始的E-ELAN结构，并在Backbone网络层部分加入MobileNetV3模型，同时使用ESE-Net高效注意力模块替代MobileNetV3中的SE-Net模块；在Neck网络层部分采用原PANet结构进行特征聚合，PANet采用自顶向下和自底向上的双向融合骨干网络思想；在Head网络层部分中，使用CBL模块替代原REPConv模块；最后改进损失函数，用Focal-EIoU Loss替换原始的CIoU Loss；步骤C、基于训练好的YOLOv7-MEF模型对玉米籽粒品质进行检测。 关注公众号马 克 数 据 网