[发明专利]基于深度学习与LSD直线检测算法的粮食数量估算方法

权利要求书

1.一种基于深度学习与LSD直线检测算法的粮食数量估算方法，其特征是，包括以下步骤：

步骤1：通过测量获取待检测粮仓仓底面积S、粮仓高度h₁和粮仓查粮门长度l，通过存储粮食种类获取粮仓储备粮食的密度ρ，用于辅助粮食数量的估算；

步骤2：利用角度正对于粮仓查粮门的摄像头，拍摄各种状态、各种时刻待检测粮仓仓内图像总计48000张，并对图像中查粮门、粮面与墙面交接处、仓顶与墙面交接处位置进行标注，并将标注后的图像生成粮仓图像数据集G；

步骤3：利用基于YOLO-v4算法的深度学习模型，对粮仓图像数据集G进行训练，获得用于检测查粮门、粮面与墙面交接处、仓顶与墙面交接处位置的目标检测模型，用于检测；

步骤4：利用角度正对于粮仓查粮门的摄像头，从视频流中自动获取一张当前状态下、待检测粮仓的仓内图像A，利用训练完成的目标检测模型，对仓内图像A中的查粮门、粮面与墙面交接处、仓顶与墙面交接处位置进行N次预测，获得查粮门预测框坐标结果集k_n，粮面与墙面交接处位置预测框坐标结果集e_n，仓顶与墙面交接处位置预测框坐标结果集z_n，其中n＝1,2,...,N，利用置信度分析指标对k_n、e_n、z_n进行分析与逻辑判断，选择其中置信度最高的预测结果记为P_s，P_s＝[k_s,e_s,z_s]；

步骤5：利用LSD直线检测算法对预测结果P_s进行分析检测并在原图中绘制粮面与墙面交接线l₁、仓顶与墙面交接线l₂；

步骤6：计算粮面与墙面交接线l₁与仓顶与墙面交接线l₂之间的像素高度h₂，计算查粮门像素高度h₃，利用通过已知的查粮门高度l映射出粮面到仓顶的真实高度h₄；

步骤7：通过已知的粮仓面积S，粮仓高度h₁，结合仓内粮食种类密度ρ，对粮仓内粮食储备数量m进行估算；

步骤8：将计算得到的粮食数量估算结果定时反馈至前端平台进行展示。

2.根据权利要求1所述的一种基于深度学习与LSD直线检测算法的粮食数量估算方法，其特征是，所述步骤3包括以下步骤：

S31、处理深度学习模型输入图像数据集：采用Mosaic数据增强方式处理粮仓图像数据集G，平衡图像数据集与GPU之间的关系；

S32、构建深度学习模型BackBone：利用CSPDarknet53方式构建BackBone的网络结构、使用Mish函数作为BackBone的激活函数，采用Dropblock正则化法作为BackBone的过拟合控制函数；

S33、构建深度学习模型Neck，利用FPN+PAN方式构建Neck主结构，利用SPP空间金字塔池化思想，设置图像固定输出尺度；

S34：构建深度学习模型损失函数，利用CIOU_LOSS算法构建损失函数，用于优化学习模型。