[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

说明书

本发明公开了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，克服现有技术的无法准确估计粮仓内粮食数量导致浪费人力物力的问题，本发明能够从正对于粮仓查粮门的前端摄像头中获取一张待检测粮仓粮食状态图像，并能通过基于YOLO‑v4算法的深度学习目标检测模型与LSD直线检测算法对粮食高度进行分析，计算出当前粮仓储备粮食数量情况，并能将计算结果反馈至前端平台进行展示。

技术领域

本发明涉及图像监测领域，尤其是涉及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。

背景技术

粮食是人类生存的必需品，粮食的安全储备对国民经济的稳定发展起到至关重要的作 用。任何时候都不能出现闪失。近来，随着国内、外粮食形势变化，粮食储备的安全问题越 发显得重要。在粮食的仓储过程中，要对实际仓储粮食数量进行准确的估算，粮食在仓储中 会由于潮湿气候等原因产生损耗，因此需要精准的估计粮仓内剩余的粮食数量。然而现有技 术中对剩余粮仓粮食数量的获取均为人工处理称重，工作强度大、效率低，成本高，现有技 术无法高效准确的获取粮仓内粮食的具体数量。

发明内容

本发明是为了克服现有技术的无法准确估计粮仓内粮食数量导致浪费人力物力的问 题，提供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，本方法可以精确的估 计粮仓内粮食的数量。

为了实现上述目的，本发明采用以下技术方案：

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，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中的中查粮门、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。