基于YOLOv5的香菇智能检测管理系统

本发明涉及香菇种植，尤其涉及基于yolov5的香菇智能检测管理系统。

背景技术：

1、目前香菇的日常检测和管理多通过人工来完成，从而使得人工需反复观察香菇的生长情况，而香菇的种植不仅密集范围也较广，从而大大增加了人工的工作量，还易疏漏观察，同时香菇在采收期每日的情况都有不同，且是大批量生长成熟，从而需及时采收，同时需及时清理腐败和病害香菇。

2、经检索，中国专利号cn115657768a公开了一种节能少人工的香菇管理方法，虽然实现香菇按需求温度、湿度以及二氧化碳浓度的自动调节，促进香菇生长，但是其无法解决上述问题，同时也无法及时定位需采收的香菇和病害香菇。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺陷，而提出的基于yolov5的香菇智能检测管理系统。

2、为了实现上述目的，本发明采用了如下技术方案：

3、基于yolov5的香菇智能检测管理系统，包括景深摄像模块、地理位置确定模块、数据处理模块、训练集加载模块、yolov5模型构建模块、判断模块、对比模块、警报模块和显示模块；

4、所述yolov5模型构建模块包括迭代单元和识别单元；

5、所述景深摄像模块利用景深摄像头每隔24h拍摄一组景深范围不同的香菇生长图片，形成香菇图片数据；所述地理位置确定模块用于确定景深摄像头各像素点所对应的地理坐标，形成像素点坐标数据，具体为：

6、s1、获取景深摄像头摄像范围的中心地理坐标；

7、s2、再根据景深摄像头的监控范围，以中心地理坐标为圆心建立空间坐标系；

8、s3、在空间坐标系中任意选择一个地理坐标点作为控制点，并将控制点对应景深摄像头的像素点，再以控制点和像素点为依据，通过投影变换和坐标转换得到景深摄像头内其它像素点的地理坐标，形成像素点坐标数据；

9、所述数据处理模块分割香菇图片数据，形成多个独立的香菇生长图片，再以香菇生长图片的景深范围为依据，根据像素点坐标数据确定景深范围内的各点地理坐标，形成标注香菇生长图片，并发送至识别单元。

10、进一步地，所述训练集加载模块加载coco数据集的一个子集，选取原则为多以香菇种植场景出现的标签类别为主，形成训练集；所述迭代单元用于训练迭代yolov5模型，其训练迭代yolov5模型的具体步骤为：

11、ss1、利用pytorch hub工具加载yolov5模型；

12、ss2、获取模型的训练环境、训练参数和训练数据，并对训练数据进行mosaic增强，再按照yolov5的网络结构创建一个新的模型雏形；

13、ss3、初始化模型训练参数，初始化训练集，对训练集进行马赛克数据增强，进入循环迭代，数据向前传播，计算loss值，数据反向传播，更新参数，降低学习率，直至循环迭代达到预设迭代次数，结束循环迭代，最后计算相关的结果参数，得到最终yolov5模型。

14、进一步地，所述识别单元依据最终yolov5模型识别标注香菇生长图片，输出香菇疏密度结果，再分割标注香菇生长图片中的香菇个体，形成香菇实况图片；所述对比模块用于对比香菇实况图片，并判断香菇是否正常，具体为：

15、a、预存香菇正常图片；

16、b、以香菇正常图片为依据对比香菇实况图片，并计算二者的相似度值；

17、c、判断相似度值是否≥70％，若是，则香菇正常，生成正常信息，若否，则香菇不正常，生成异常信息；

18、d、将正常信息或异常信息发送至判断模块；

19、所述判断模块用于判断是否产生警报信号，具体为：

20、ⅰ、预存香菇疏密度标准值，判断香菇疏密度结果与香菇疏密度阈值的大小，即判断a与b的大小；

21、ⅱ、若a＜b，则生成不采收信息，若a≥b，则生成采收信息；

22、ⅲ、若出现下列情况中的任意一种，则生成警报信息，并将香菇实况图片发送至显示模块，反之，则返回景深摄像模块，具体为：

23、①、存在采收信息和正常信息；

24、②、存在采收信息和异常信息；

25、③、存在不采收信息和异常信息。

26、进一步地，所述香菇实况图片包括香菇个体的地理坐标。

27、进一步地，步骤b中所述相似度值的计算方法为相似性度量算法，即rost seat算法。

28、进一步地，所述警报模块接收警报信息发出声光警报；所述显示模块用于显示香菇实况图片。

29、进一步地，所述景深摄像头的景深范围可自动调节。

30、相比于现有技术，本发明的有益效果在于：

31、1、本发明通过自动确定香菇情况时，通过识别单元依据最终yolov5模型识别标注香菇生长图片，输出香菇疏密度结果，再分割标注香菇生长图片中的香菇个体，形成香菇实况图片，再由对比模块对比香菇实况图片，并判断香菇是否正常，生成正常信息或异常信息，并发送至判断模块，此时判断模块再判断是否产生警报信号，若出现采收信息和正常信息、采收信息和异常信息或不采收信息和异常信息，则生成警报信号，最后通过警报模块接收警报信息发出声光警报，显示模块显示香菇实况图片，达到自动判断香菇生长情况的目的，不仅大大降低了人工工作量，还避免疏漏观察，同时可及时采收香菇，并可及时清理腐败和病害香菇。

32、2、本发明通过景深摄像模块利用景深摄像头每隔24h拍摄一组景深范围不同的香菇生长图片，形成香菇图片数据，同时地理位置确定模块确定景深摄像头各像素点所对应的地理坐标，形成像素点坐标数据，再由数据处理模块分割香菇图片数据，形成多个独立的香菇生长图片，再以香菇生长图片的景深范围为依据，根据像素点坐标数据确定景深范围内的各点地理坐标，形成标注香菇生长图片，使得香菇生长图片中的清晰香菇位置均可得到，从而可及时定位需采收的香菇和病害香菇。

技术特征：

1.基于yolov5的香菇智能检测管理系统，其特征在于，包括景深摄像模块、地理位置确定模块、数据处理模块、训练集加载模块、yolov5模型构建模块、判断模块、对比模块、警报模块和显示模块；

2.根据权利要求1所述的基于yolov5的香菇智能检测管理系统，其特征在于，所述训练集加载模块加载coco数据集的一个子集，选取原则为多以香菇种植场景出现的标签类别为主，形成训练集；所述迭代单元用于训练迭代yolov5模型，其训练迭代yolov5模型的具体步骤为：

3.根据权利要求1所述的基于yolov5的香菇智能检测管理系统，其特征在于，所述识别单元依据最终yolov5模型识别标注香菇生长图片，输出香菇疏密度结果，再分割标注香菇生长图片中的香菇个体，形成香菇实况图片；所述对比模块用于对比香菇实况图片，并判断香菇是否正常，具体为：

4.根据权利要求3所述的基于yolov5的香菇智能检测管理系统，其特征在于，所述香菇实况图片包括香菇个体的地理坐标。

5.根据权利要求3所述的基于yolov5的香菇智能检测管理系统，其特征在于，步骤b中所述相似度值的计算方法为相似性度量算法，即rost seat算法。

6.根据权利要求1所述的基于yolov5的香菇智能检测管理系统，其特征在于，所述警报模块接收警报信息发出声光警报；所述显示模块用于显示香菇实况图片。

7.根据权利要求1所述的基于yolov5的香菇智能检测管理系统，其特征在于，所述景深摄像头的景深范围可自动调节。

技术总结
本发明公开了基于YOLOv5的香菇智能检测管理系统，属于香菇种植技术领域，包括景深摄像模块、地理位置确定模块、数据处理模块、训练集加载模块、YoLov5模型构建模块、判断模块、对比模块、警报模块和显示模块；所述YoLov5模型构建模块包括迭代单元和识别单元；所述景深摄像模块利用景深摄像头每隔24h拍摄一组景深范围不同的香菇生长图片，形成香菇图片数据；所述地理位置确定模块用于确定景深摄像头各像素点所对应的地理坐标，形成像素点坐标数据，本发明能够自动判断香菇生长情况，不仅大大降低了人工工作量，还避免疏漏观察，同时可及时采收香菇，并可及时清理腐败和病害香菇，且能够及时定位需采收的香菇和病害香菇。

技术研发人员：闫志成,黄英来,刘沅,曹靖轩,吴鑫,朱赖蕙
受保护的技术使用者：东北林业大学
技术研发日：
技术公布日：2024/1/14