[发明专利]一种籽棉的杂质分类识别方法及系统

权利要求书

1.一种籽棉的杂质分类识别方法，其特征在于，包括：

获取机采籽棉含杂图像形成的数据集；

构建籽棉杂质分类识别模型并确定所述籽棉杂质分类识别模型的损失函数；所述籽棉杂质分类识别模型为YOLO v4网络模型，所述损失函数包括边界框回归损失函数、边界框置信度损失函数和目标分类损失函数；

基于所述损失函数，以darknet53作为架构，采用所述数据集对所述籽棉杂质分类识别模型进行训练，得到训练好的籽棉杂质分类识别模型；具体包括：

(1)将数据集划分为训练集和测试集，并输入训练集训练构建的籽棉杂质分类识别模型，得到训练权重；

(2)利用得到的训练权重对测试集进行测试；

(3)若测试通过，采集新的机采籽棉含杂图像，包括：棉枝、铃壳、叶屑、不孕籽、杂草两两交错遮盖的图像，进行杂质分类识别，并进行标注；

(4)利用当前训练权重对应的籽棉杂质分类识别模型对新的机采籽棉含杂图像进行分类识别；分析籽棉杂质分类识别模型的分类识别结果是否满足需求，训练后的模型对新采集的机采籽棉含杂图像识别分类正确率达90％即为满足需求，否则，为不满足需求；

(5)若不满足，则用K-mean++算法进行锚框的聚类，首先获取数据标记过程中标记的目标边框的宽和高，然后将相近的目标边框尺寸归为一类，将全部数据分为多类，得到多个边框尺寸，即为聚类结果；将聚类结果输入籽棉杂质分类识别模型，返回步骤(1)再次进行训练；

(6)若满足，则将当前的训练权重确定为最佳训练权重，训练完成；

获取待识别的籽棉含杂图像；

将所述待识别的籽棉含杂图像进行杂质分割，输出分割后的杂质图像；

将所述分割后的杂质图像输入所述训练好的籽棉杂质分类识别模型，输出杂质的分类识别结果。

2.根据权利要求1所述的籽棉的杂质分类识别方法，其特征在于，所述构建籽棉杂质分类识别模型并确定所述籽棉杂质分类识别模型的损失函数，具体包括：

构建YOLO v4网络架构的籽棉杂质分类识别模型；

确定所述籽棉杂质分类识别模型的损失函数，所述损失函数为：

Loss＝bbox loss+confidence loss+class loss

式中，Loss为籽棉杂质分类识别模型的损失函数，bbox loss为边界框回归损失函数，confidence loss为边界框置信度损失函数，class loss为目标分类损失函数。

3.根据权利要求1所述的籽棉的杂质分类识别方法，其特征在于，所述将所述待识别的籽棉含杂图像进行杂质分割，输出分割后的杂质图像，具体包括：

将所述待识别的籽棉含杂图像从RGB通道分别转换至HSV颜色通道和Lab颜色通道；

从所述HSV颜色通道分割所述待识别的籽棉含杂图像中的第一色系杂质；

从所述Lab颜色通道分割所述待识别的籽棉含杂图像中的第二色系杂质；所述第二色系的颜色浅于所述第一色系；

将所述第一色系杂质和所述第二色系杂质合并，得到分割后的杂质图像。