[发明专利]一种在一定重量范围内实现直读茶叶百芽重的方法

权利要求书

1.一种在一定重量范围内实现直读茶叶百芽重的方法，其特征在于，具体包括以下步骤：

S1：随机抓取一定重量范围内的相同嫩度的芽头，或随机抓取一定重量范围内的不同嫩度混杂的芽头；

S2：直接读取芽头数，使芽头通过yolov5或SSD视觉目标检测模块或卷积神经网络的目标检测直接得出一共抓取了多少芽头，或各嫩度分别抓取了多少芽头；

S3：识别到精确重量和芽头数反馈给计算程序，将yolov5或SSD视觉目标检测模块或卷积神经网络检测得出芽头数量和芽头重量反馈给计算程序,计算程序通过计算公式将百芽重显示在屏幕上面；

S4：直读百芽重，人工直接通过屏幕读出百芽重。

2.根据权利要求1所述的一种在一定重量范围内实现直读茶叶百芽重的方法，其特征在于，所述S1中，一定重量范围具体为：

当抓取的为中小叶种茶鲜叶时，抓取相同嫩度芽头的重量范围应该是：3g＜单芽取值重量≤10g，10g＜一芽一叶取值重量≤20g，20g＜一芽二叶取值重量≤35g，35g＜一芽三叶取值重量≤50g；当抓取的为大叶种茶鲜叶时，抓取相同嫩度芽头的重量范围应该是：10g＜单芽取值重量≤20g，20g＜一芽一叶取值重量≤40g，40g＜一芽二叶取值重量≤60g，60g＜一芽三叶取值重量≤80g；

当抓取的为中小叶种茶鲜叶时，抓取不同嫩度混杂的芽头的重量范围应该是：3g＜取值重量≤50g；当抓取的为大叶种茶鲜叶时，抓取不同嫩度混杂的芽头的重量范围应该是：10g＜取值重量≤80g。

3.根据权利要求1所述的一种在一定重量范围内实现直读茶叶百芽重的方法，其特征在于，所述S2中SSD读取方法包括以下步骤：

S211：首先构建SSD模型，SSD目标检测方法结合YOLO的回归思想和Faster-RCNN中的Anchor boxes机制，通过综合利用多尺度特征层各层优势互补的特点准确的检测出芽头的数量；

S212：先验框生成，SSD方法采用了多尺度单发射击的特征层进行分类和定位，根据SSD原理，Conv4_3尺寸单独设置，其最小尺寸设置为S_min/2，即30，最大尺寸为60，

①式中m＝5,Smin＝0.2,Smax＝0.9，S_k表示先验框尺寸相对原图片比例；

SSD默认框长宽比采用tr∈{1,2,3,1/2,1/3}，增强先验框长宽比对目标形状的鲁棒性，针对先验框宽高比t＝1的先验框，添加对特征图Conv4_3、Conv8_2、Conv9_2不使用长宽比为3、1/3的先验框，而在特征图Conv7、Conv6_2、Conv7_2都使用6个默认框，每个先验框长度、宽度的计算公式如下：

先验框中心坐标为

③中|h_k|是第k个特征图尺寸大小，i，i∈{0,1,2,…，|h_k-1|}并截取默认框的坐标使其在[0,1]内；

S213：损失函数，网络训练时的总体目标损失函数是先验框和边界框的位置误差和分类的置信度误差的加权和；

S214：特征融合，在SSD模型的基础框架上，首先对Conv3_3、Conv4_3、FC7、Conv6_1、Conv7_1、Conv9_2这些不同大小特征层，用padding＝0的1×1卷积核在这些特征图上做卷积操作，保证融合时的通道统一，然后采用双线性插值操作使特征图大小统一(因为这里的融合是不同level的层之间的融合，特征图尺寸各不相同，采用双线性插值将所有的source特征图转换成统一的大小)，最后采用连接融合的方式得到了Conv4_3_1、FC7_1、Conv6_2_1、Conv7_2_1新的不同大小的特征图。