本發(fā)明屬于茶芽密度計數(shù)、目標檢測、系統(tǒng)開發(fā)，具體涉及一種基于深度學(xué)習(xí)的茶芽密度檢測方法。

背景技術(shù)：

1、茶產(chǎn)業(yè)的發(fā)展離不開茶樹育種，但在茶樹育種工作中，作為關(guān)鍵指標的芽密度，目前還是依靠人工手動計數(shù)。人工計數(shù)茶芽不僅耗時耗力，成本高，效率還不夠高。

2、隨著深度學(xué)習(xí)的發(fā)展，基于深度學(xué)習(xí)的目標檢測在農(nóng)業(yè)上的應(yīng)用也越來越廣泛。通過對機器進行訓(xùn)練，使機器代替人工，對農(nóng)作物進行識別并計數(shù)，以大大的減少人力勞動與提高效率。

3、針對科研人員在進行茶芽密度統(tǒng)計時只能依靠人工手動計數(shù)，費時費力還成本高的情況，本發(fā)明的目的在于提供一種基于深度學(xué)習(xí)的茶芽密度檢測的方法及系統(tǒng)，以實現(xiàn)機器代替人工檢測茶芽密度，達到節(jié)省人力、提升效率的目的。

技術(shù)實現(xiàn)思路

1、為了彌補現(xiàn)有技術(shù)的不足，本發(fā)明目的在于提供一種基于深度學(xué)習(xí)的茶芽密度檢測方法，實現(xiàn)對茶芽密度的精準檢測。

2、本發(fā)明所解決的技術(shù)問題可通過以下技術(shù)方案實現(xiàn)：

3、所述的一種基于深度學(xué)習(xí)的茶芽密度檢測方法，包括以下步驟：

4、s1.?對自然條件下已修剪好的茶園進行茶芽密度圖像采集；

5、s2.?對采集到的圖像進行預(yù)處理，并按照8:1:1的比例將圖像分為訓(xùn)練集、驗證集、測試集；

6、s3.?建立基于深度學(xué)習(xí)的茶芽密度識別模型，并調(diào)整相應(yīng)參數(shù)；

7、s4.?對模型的網(wǎng)絡(luò)結(jié)構(gòu)進行改進，以提高模型識別效率；

8、s5.?設(shè)計茶芽密度檢測可視化系統(tǒng)界面，用以進行操作；

9、s6.?開發(fā)茶芽密度檢測系統(tǒng)，使操作人員僅需要點擊簡單按鈕，即可得到茶芽密度檢測結(jié)果。

10、進一步地，所述步驟s1中，模擬科研人員實際數(shù)茶芽密度的狀態(tài)，利用手機對自然條件下已修剪好的茶園進行茶芽密度圖像采集，拍照比例為1:1，拍攝角度為正俯拍，拍攝范圍為30×30cm密度框內(nèi)萌芽期、一芽一葉期茶芽，采集圖像的茶樹為已修剪平整的平面茶樹。

11、進一步地，所述步驟s2中預(yù)處理流程為：首先，將采集到的圖像使用labelimg對圖片中的茶芽進行標記，生成xml文件；然后，將圖片進行180°旋轉(zhuǎn)以及翻轉(zhuǎn)，使數(shù)據(jù)擴增；最后，按照8:1:1的比例將所有圖片分為訓(xùn)練集、驗證集、檢測集。

12、進一步地，所述步驟s3中，使用yolov8模型對茶芽密度圖片進行訓(xùn)練、驗證；通過對訓(xùn)練輪次epochs、批大小batch_size和圖像大小image_size進行調(diào)整，使其達到配置內(nèi)最優(yōu)值。

13、進一步地，所述步驟s4中，在yolov8模型的網(wǎng)絡(luò)結(jié)構(gòu)的金字塔空間池化（sppf）層后引入psa注意力機制，然后使用相同的數(shù)據(jù)集進行訓(xùn)練與驗證，得到精確率（p）、召回率（r）、平均精度值均值（map)更高的訓(xùn)練權(quán)重。

14、進一步地，所述步驟s5中，使用pyqt6設(shè)計茶芽密度檢測ui頁面，該頁面包括選擇圖片按鍵框、待檢測圖片與檢測后的圖片顯示區(qū)域、檢測結(jié)果顯示區(qū)域。

15、進一步地，所述步驟s6中，使用pyuic將設(shè)計好的ui頁面轉(zhuǎn)為python代碼，連接信號與槽，并調(diào)用訓(xùn)練好的權(quán)重，生成茶芽密度檢測系統(tǒng)，操作人員只需在頁面點擊上傳按鈕即可得到檢測結(jié)果。

16、進一步地，所述茶芽密度檢測系統(tǒng)包含選擇圖片模塊、圖片顯示模塊、檢測結(jié)果顯示模塊，

17、所述選擇圖片模塊的操作流程為：點擊“選擇圖片”，進行圖片選擇，最后確認圖片；

18、所述圖片顯示模塊包括兩部分，一部分是待檢測圖片，另一部分是芽頭被標出來的檢測后圖片；

19、所述檢測結(jié)果顯示模塊用以在圖片顯示模塊的下方顯示檢測出來芽頭的數(shù)量。

20、與現(xiàn)有技術(shù)相比，本發(fā)明有以下優(yōu)點：本發(fā)明克服了茶園生產(chǎn)管理過程中人工統(tǒng)計茶樹發(fā)芽密度工作效率較低，勞動強度大，耗時長等問題。本發(fā)明可通過在茶園安裝攝像頭，或者直接使用手機拍照的方式采集茶樹茶芽的圖像，獲取方式簡單快捷；通過圖像預(yù)處理后，利用改進的yolov8模型將圖像進行訓(xùn)練預(yù)測，并通過開發(fā)茶芽密度檢測系統(tǒng)進行結(jié)果展示，實現(xiàn)了在自然環(huán)境下快速且準確地對茶樹茶芽進行自動識別和數(shù)量統(tǒng)計的目的。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的茶芽密度檢測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶芽密度檢測方法，其特征在于，所述步驟s1中，模擬科研人員實際數(shù)茶芽密度的狀態(tài)，利用手機對自然條件下已修剪好的茶園進行茶芽密度圖像采集，拍照比例為1:1，拍攝角度為正俯拍，拍攝范圍為30×30cm密度框內(nèi)萌芽期、一芽一葉期茶芽，采集圖像的茶樹為已修剪平整的平面茶樹。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶芽密度檢測方法，其特征在于，所述步驟s2中預(yù)處理流程為：首先，將采集到的圖像使用labelimg對圖片中的茶芽進行標記，生成xml文件；然后，將圖片進行180°旋轉(zhuǎn)以及翻轉(zhuǎn)，使數(shù)據(jù)擴增；最后，按照8:1:1的比例將所有圖片分為訓(xùn)練集、驗證集、檢測集。

4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶芽密度檢測方法，其特征在于，所述步驟s3中，使用yolov8模型對茶芽密度圖片進行訓(xùn)練、驗證；通過對訓(xùn)練輪次epochs、批大小batch_size和圖像大小image_size進行調(diào)整，使其達到配置內(nèi)最優(yōu)值。

5.根據(jù)權(quán)利要求4所述的一種基于深度學(xué)習(xí)的茶芽密度檢測方法，其特征在于，所述步驟s4中，在yolov8模型的網(wǎng)絡(luò)結(jié)構(gòu)的金字塔空間池化層后引入psa注意力機制，然后使用相同的數(shù)據(jù)集進行訓(xùn)練與驗證，得到精確率、召回率、平均精度值均值更高的訓(xùn)練權(quán)重。

6.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的茶芽密度檢測方法，其特征在于，所述步驟s5中，使用pyqt6設(shè)計茶芽密度檢測ui頁面，該頁面包括選擇圖片按鍵框、待檢測圖片與檢測后的圖片顯示區(qū)域、檢測結(jié)果顯示區(qū)域。

7.根據(jù)權(quán)利要求6所述的一種基于深度學(xué)習(xí)的茶芽密度檢測方法，其特征在于，所述步驟s6中，使用pyuic將設(shè)計好的ui頁面轉(zhuǎn)為python代碼，連接信號與槽，并調(diào)用訓(xùn)練好的權(quán)重，生成茶芽密度檢測系統(tǒng)，操作人員只需在頁面點擊上傳按鈕即可得到檢測結(jié)果。

8.根據(jù)權(quán)利要求1或7所述的一種基于深度學(xué)習(xí)的茶芽密度檢測方法，其特征在于，所述茶芽密度檢測系統(tǒng)包含選擇圖片模塊、圖片顯示模塊、檢測結(jié)果顯示模塊，

技術(shù)總結(jié)
本發(fā)明公開一種基于深度學(xué)習(xí)的茶芽密度檢測方法，包括以下步驟：對自然條件下已修剪好的茶園進行茶芽密度圖像采集；對采集到的圖像進行預(yù)處理，并按照8:1:1的比例將圖像分為訓(xùn)練集、驗證集、測試集；建立基于深度學(xué)習(xí)的茶芽密度識別模型，并調(diào)整相應(yīng)參數(shù)；對模型的網(wǎng)絡(luò)結(jié)構(gòu)進行改進，以提高模型識別效率；設(shè)計茶芽密度檢測可視化系統(tǒng)界面，用以進行操作；開發(fā)茶芽密度檢測系統(tǒng)，得到茶芽密度檢測結(jié)果。本發(fā)明茶樹茶芽的圖像獲取方式簡單快捷；通過圖像預(yù)處理后，利用改進的yolov8模型將圖像進行訓(xùn)練預(yù)測，并通過開發(fā)茶芽密度檢測系統(tǒng)進行結(jié)果展示，實現(xiàn)了在自然環(huán)境下快速且準確地對茶樹茶芽進行自動識別和數(shù)量統(tǒng)計的目的。

技術(shù)研發(fā)人員：韋康,淦敏,梅建平,王麗鴛,王永鑫,吳立赟
受保護的技術(shù)使用者：中國農(nóng)業(yè)科學(xué)院茶葉研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19