[发明专利]一种基于yolov5的蔬菜种类检测与识别方法

权利要求书

1.一种基于yolov5的蔬菜种类检测与识别方法，包括模型训练过程和模型应用过程，其特征在于：模型训练过程步骤如下：

准备包含各类蔬菜的照片数据；

标注照片数据中的蔬菜区域的类别，采用边框框出蔬菜区域，定义此边框为真实的边框；

将标注好的照片数据输入YOLOv5网络模型进行训练，得到训练结果并获得模型权重文件；

模型应用过程步骤如下：

使用拍照设备采集蔬菜的清晰、光照均匀的照片；

加载训练好的YOLOv5网络模型，将蔬菜图片输入训练好的YOLOv5网络模型进行预测；

得到蔬菜区域及类别和数量信息，为之后计算蔬菜价格等后序操作作准备。

2.根据权利要求1所述的一种基于yolov5的蔬菜种类检测与识别方法，其特征在于：所述YOLOv5网络模型包括：

Backbone，同图像细粒度上聚合并形成图像特征的卷积神经网络；

Neck，一系列混合和组合图像特征的网络层，并将图像特征传递到预测层；

Head，对图像特征进行预测，生成边界框并预测类别定义此边界框为预测的边框；

Backbone和Neck用于提取图像特征，图像特征即为输入图片预测框中各种蔬菜的特征，ead用于特征检测和预测类别。

3.根据权利要求2述的一种基于yolov5的蔬菜种类检测与识别方法，其特征在于：所述YOLOv5网络模型的输出为(x，y，w，h，c)，分别表示预测框在图像坐标系上的x、y坐标，矩形宽高width、height，以及置信度confidence。

4.根据权利要求3述的一种基于yolov5的蔬菜种类检测与识别方法，其特征在于：训练过程中，所述YOLOv5网络模型的输出多个目标，并对多个目标进行误差校正，误差校正采用聚类法和非极大值抑制法结合的方式，聚类使得预测结果聚成不同的类，选择confidence较大的结果作为最终结果，使用非极大值抑制的方法筛选掉重合度较高的预测结果框。

5.根据权利要求2所述的一种基于yolov5的蔬菜种类检测与识别方法，其特征在于：训练过程中，通过损失函数计算调节权重参数，YOLOv5网络的损失函数为GIOU_loss，使用相交尺度衡量的方式计算损失。GIOU_loss的计算公式为：

IOU即交并比，计算的是预测的边框和真实的边框的交集和并集的比值，C表示标签给定的真实的边框与模型给出的预测的边框两者的最小外接矩形，差集＝C–并集B，并集B即真实框与预测框的并集，在进行预测时，加载训练得到的权重文件，YOLOv5网络即可对输入的图片给出输出结果(x，y，w，h，c)，将相应的矩形坐标在原图片上表示，即可得到可视化的预测结果。