[发明专利]一种籽棉的杂质分类识别方法及系统

说明书

本发明涉及一种籽棉的杂质分类识别方法及系统，该方法包括：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籽棉杂质分类识别模型的损失函数；籽棉杂质分类识别模型为YOLO v4网络模型，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；基于损失函数，以darknet53作为架构，采用数据集对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；获取待识别的籽棉含杂图像；将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；将分割后的杂质图像输入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。本发明可以实现对籽棉的杂质进行分类识别，同时识别准确度高。

技术领域

本发明涉及棉花杂质识别领域，特别是涉及一种籽棉的杂质分类识别方法及系统。

背景技术

中国棉花传统的手摘收获方式严重制约着采棉效率和经济效益，随着机械化收获比例的逐年增加，机采棉加工工艺逐步发展起来，棉花中混入的杂质也随之增多，如机采籽棉中存在的铃壳、僵瓣、棉枝、棉叶、尘杂等天然性杂质。如果不及时检出并反馈，无法优化棉花加工生产线上各设备的工作参数，会严重影响纺织品的质量，从而影响产业效益和出口。

目前对于棉花杂质的研究多针对皮棉，皮棉经过了多级清杂和梳理，杂质含量低，图像背景较为单一，检测时皮棉层薄，不存在杂质遮挡问题，因此，针对皮棉的杂质研究并不适用于籽棉，不能指导棉花加工过程。

发明内容

本发明的目的是提供一种籽棉的杂质分类识别方法及系统，以实现籽棉的杂质分类，指导棉花加工过程。

为实现上述目的，本发明提供了如下方案：

一种籽棉的杂质分类识别方法，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；

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。

可选的，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。

可选的，所述基于所述损失函数，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：

将所述数据集划分为训练集和测试集；

将所述训练集输入所述籽棉杂质分类识别模型进行训练，得到训练权重；

采用所述训练权重对所述测试集进行测试；