[发明专利]一种基于YOLO的成捆原木端面检测方法

权利要求书

1.一种基于YOLO的成捆原木端面检测方法，其特征在于，包括如下步骤：

步骤S1、针对成捆原木端面图片数据，利用LabelImage标注所需原木，形成目标框，作为成捆原木端面检测模型的成捆原木端面计数的数据集；

步骤S2、对成捆原木端面计数的数据集的数据，进行预处理，建立样本数据，并将样本数据按照7:3的比例分为训练集和测试集；

步骤S3、在训练集数据中，采用聚类算法对目标框进行多尺度聚类，提取出YOLO的先验框；

步骤S4、根据所述步骤S3提取的先验框，利用YOLO结合SPP结构增强小目标识别能力，引入注意力机制的软阈值化方法，消除影响检测结果中心与目标中心聚拢的高纬度噪声特征，对训练集的数据训练，建立成捆原木端面计数模型；

步骤S5、在整个样本集上验证训练集所训练出来的成捆原木端面计数模型表现。

2.根据权利要求1所述的一种基于YOLO的成捆原木端面检测方法，其特征在于，在所述步骤S2中，对成捆原木端面计数的数据集的数据，进行预处理的方式包括Mosaic数据增强、翻转、缩放、色域变换。

3.根据权利要求2所述的一种基于YOLO的成捆原木端面检测方法，其特征在于，在所述步骤S2中，对成捆原木端面计数的数据集的数据，进行包括Mosaic数据增强、翻转、缩放、色域变换的具体实现方式为：

读取成捆原木端面计数的数据集中四张样本原木图片，将四张图片进行随机的翻转、缩放、色域变换，按照四个方向摆好，然后进行图片的组合和标注框的组合。

4.根据权利要求1所述的一种基于YOLO的成捆原木端面检测方法，其特征在于，在所述步骤S3中，对于训练集的数据，采用聚类算法对目标框进行多尺度聚类，根据聚类的效果，确定更贴近训练集标注框宽高的先验框，作为YOLO网络的先验框。

5.根据权利要求1或4所述的一种基于YOLO的成捆原木端面检测方法，其特征在于，在所述步骤S3中，所述聚类算法为K-median聚类算法。

6.根据权利要求1所述的一种基于YOLO的成捆原木端面检测方法，其特征在于，在所述步骤S4中，所述YOLO采用YOLO系列中的YOLOv4-tiny网络。