[发明专利]一种基于YOLO-V4的颗粒级配快速检测方法

权利要求书

1.一种基于YOLO-V4的颗粒级配快速检测方法，其特征在于，包括如下步骤：

(1)、获取石料样本图像制作测试集；

(2)、制作样本集，将样本集图像进行标准化预处理以及数据增强处理形成数据集；

(3)、基于训练集与验证集，对原始数据进行训练，获得训练权重；

(4)、利用YOLO_V4目标检测网络对训练模型进行样本分析；

(5)、输入测试集，批量导出目标检测框大小，推算样本级配。

2.根据权利要求1所述的一种基于YOLO-V4的颗粒级配快速检测方法，其特征在于：所述步骤(1)中对实例目标石料多角度、多尺度拍摄，并考虑现场光照条件、岩石表面湿度和表面灰尘环境因素多方面采集样本；固定拍摄高度，制作测试集。

3.根据权利要求2所述的一种基于YOLO-V4的颗粒级配快速检测方法，其特征在于：所述步骤(2)中样本集处理的具体方法包括如下步骤：

(2.1)、将采集的样本图像裁剪为416*416大小用于训练图像格式固定，并进行翻转、平移和拼接形态学变换操作；

(2.2)、再利用LabelImg标注工具对图像进行人工标注并转换为xml格式，标注后的数据集大小为800张，处理的数据集划分为训练集和验证集，其中训练集与验证集的数量比例为9:1；

(2.3)、准备模型训练所需要的txt文件，Train.txt与test.txt文件分别为模型训练集与验证集所需要的索引文件。

4.根据权利要求3所述的一种基于YOLO-V4的颗粒级配快速检测方法，其特征在于：所述步骤(3)中获得训练权重的具体方法包括如下步骤：

(3.1)、加载数据集预训练权重，提升训练精度与训练速度，使用YOLO_WIGHT预训练权重；

(3.2)、将步骤(2)获得样本集的样本图像放入YOLO_V4训练网络进行训练得到训练权重；输入网络的样本图片尺寸大小为416*416，使用余弦退火Cosine annealing方法降低学习率，使用mosaic数据增强方法拼接四幅图像来丰富检测物体的背景进行训练；为防止标签结果错误，提高模型泛化能力，使用Label Smoothing标签平滑方法，解决二分类问题中错误标注，避免模型欠拟合，保证模型鲁棒性；训练分为两个阶段，第一阶段lr＝1e-3、Batch_size＝4、Init_Epoch＝0、Freeze_Epoch＝50；第二阶段lr＝1e-4、Batch_size＝2、Freeze_Epoch＝50、Unfreeze_Epoch＝100。

5.根据权利要求4所述的一种基于YOLO-V4的颗粒级配快速检测方法，其特征在于：所述步骤(4)中样本分析的具体方法包括如下步骤：

(4.1)、将待检测图像传入主干特征提取网络CSPDarkNet53中对图像进行卷积处理，该主干特征网络由一系列Resblock_Body残差卷积网络组成，所属Resblock_Body残差卷积网络采用CSPNet网络结构由一次下采样和多次Resblock残差块堆叠构成；

(4.2)、待检测图像经过主干特征提取网络后进入加强特征提取网络进行池化卷积特征融合操作；

(4.3)、调整YoloHead特征层上先验框位置，生成预测框并输出预测结果；YoloHead分为两个部分，分别为尺寸是3*3的卷积模块，卷积模块包含卷积、标准化和激活函数，与尺寸是1*1的单独卷积模块；Conv3*3为特征层核，Conv1*1利用获取到的特征获得最终预测结果其代表每个网格点上3个先验框的内部是否包含物体、物体种类以及先验框的调整参数。