米粉饼加工定位方法、相关设备及存储介质

技术领域

本发明涉及米粉饼加工定位技术领域，尤其涉及一种米粉饼加工定位方法、米粉饼加工定位设备及计算机可读存储介质。

背景技术

近年来机器视觉技术发展迅速，基于机器视觉的检测技术被越来越广泛的应用与生产生活中。其中，米粉饼的检测包括如何准确快速地识别出米粉饼轮廓图像和中心点的位置等。采用机器视觉的检测完成技术米粉饼的检测是米粉饼加工中的重要技术。

相关技术的米粉饼的检测采用数字化图像处理技术进行米粉饼加工定位。然而，相关技术的数字图像处理技术的处理方式、算法单一，其本质是对输入的图像进行加工处理来达到检测的目的。相关技术的数字图像处理技术方法主要是通过图像的低级特征进行处理的阶段，经过处理之后图像无法对粘连的米粉饼图像做出的识别和分割。该方法的自动化、智能化都较低，使得米粉饼加工定位加工效率不高。如何能够准确地对米粉饼进行识别及分割，降低了背景区或其他目标像素的干扰，准确快速地识别出米粉饼轮廓图像和中心点的位置，从而提升了检测的准确度是一个需要解决的技术问题。

发明内容

针对以上现有技术的不足，本发明提出一种米粉饼加工定位方法、米粉饼加工定位设备及计算机可读存储介质，可有效将米粉饼识别定位且自动化加工效率高。

为了解决上述技术问题，第一方面，本发明实施例提供了一种米粉饼加工定位方法，其应用于YOLOv5网络；该方法包括如下步骤：

步骤S1、采集米粉饼的图像数据：采集所述米粉块的表面图像，再将所述表面图像进行预设的图像预处理并获得米粉块表面图像；

步骤S2、构建米粉饼样本数据集：将所述米粉块表面图像根据米粉类饼型进行标注并生成标签，将所述米粉块表面图像和与其相对应的所述标签构建生成米粉饼样本数据集；

步骤S3、米粉饼样本数据集训练：将获得的所述米粉饼样本数据集训练YOLOv5网络模型，获取所述YOLOv5网络模型的第一权重参数；

步骤S4、检测模型改进：将所述YOLOv5网络模型的网络结构中的neck替换为Slim-Neck并生成改进YOLOv5网络模型；

步骤S5、新改进YOLOv5网络模型构建：将所述步骤S3获得的所述权重参数迁移到所述改进YOLOv5网络模型中并生成新改进YOLOv5网络模型，再将所述步骤S2将获得的所述米粉饼样本数据集对所述新改进YOLOv5网络模型进行训练，获得用于米粉饼加工定位的所述新改进YOLOv5网络模型的第二权重参数，完成所述新改进YOLOv5网络模型构建；

步骤S6、米粉饼加工定位检测：采集待检测的米粉块图像，将所述米粉块图像进行所述图像预处理并得到待检测米粉饼图像，将所述待检测米粉饼图像输入到所述新改进YOLOv5网络模型中进行加工定位检测；

步骤S7、获取米粉饼的位置：将由所述新改进YOLOv5网络模型中进行加工定位检测中获得的米粉块的最小外接矩形的坐标，再根据所述坐板进行计算并计算出所述米粉块的中心位置。

优选的，所述步骤S2具体包括如下步骤：

步骤S21、将所述步骤S1获得的所有所述米粉块表面图像构成数据集，再将所述数据集中的所有图像根据预设的图像处理算法进行运算并获得新图像，再将所述新图像补充进入所述数据集内，以扩大所述数据集；

步骤S22、将扩大所述数据集中的所述米粉块表面图像根据米粉类饼型进行标注并生成标签，再将所述米粉块表面图像和与其相对应的所述标签构建生成所述米粉饼样本数据集；

步骤S23、将所述米粉饼样本数据集分为训练集和测试集。

优选的，所述步骤S21中，所述图像处理算法包括图像白平衡处理、图像锐化处理、图像饱和度处理、图像翻转处理、图像旋转处理、图像平移处理、图像噪声处理及图像缩放处理中的任意一种或者多种组合。

优选的，所述步骤2.3中，使用LabelImg工具对所述米粉块表面图像进行标记，获得与所述米粉块表面图像相对应的xml文件，再将所述xml文件作为样本加入所述米粉饼样本数据集。

优选的，所述步骤S4中，通过在所述YOLOv5网络模型的网络结构中的所述neck中使用GSConv处理数据，以实现将所述YOLOv5网络模型的网络结构中的neck替换为Slim-Neck。

优选的，所述步骤S4中，还通过在所述YOLOv5网络模型的网络结构中将VoV-GSCSP替代所述neck中的CSP。

第二方面，本发明实施例还提供了一种米粉饼加工定位设备，包括处理器和存储器，所述处理器用于读取所述存储器中的程序，执行如本发明实施例提供的上述的米粉饼加工定位方法中的步骤。

第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现如本发明实施例提供的上述的米粉饼加工定位方法中的步骤。

本发明的有益效果：本发明中，本发明提供一种米粉饼加工定位方法、米粉饼加工定位设备及计算机可读存储介质，米粉饼加工定位方法包括步骤S1、采集米粉饼的图像数据；步骤S2、构建米粉饼样本数据集；步骤S3、米粉饼样本数据集训练；步骤S4、检测模型改进；步骤S5、新改进YOLOv5网络模型构建；步骤S6、米粉饼加工定位检测；步骤S7、获取米粉饼的位置。通过所述步骤S4将所述YOLOv5网络模型的网络结构中的neck替换为Slim-Neck并生成改进YOLOv5网络模型，使得步骤S4在运算所述米粉饼加工定位方法时，冗余重复信息少，不需要压缩，降低了计算和网络结构的复杂性，但保持了足够的精度，从而使得所述改进YOLOv5网络模型的准确性好且运算速度快。因此，通过实施所述步骤S1至所述步骤S7，本发明的米粉饼加工定位方法、米粉饼加工定位设备及计算机可读存储介质均可有效将米粉饼识别定位且自动化加工效率高。

附图说明

下面结合附图详细说明本发明。通过结合以下附图所作的详细描述，本发明的上述或其他方面的内容将变得更清楚和更容易理解。附图中：

图1为本发明的米粉饼加工定位方法的流程框图；

图2为本发明的米粉饼加工定位方法的步骤S2流程框图；

图3为本发明的米粉饼加工定位方法的GSConv网络结构图；

图4为本发明的米粉饼加工定位方法的VoV-GSCSP网络结构图；

图5为本发明的米粉饼加工定位方法的新改进YOLOv5网络模型的结构图；

图6为本发明的米粉饼加工定位设备的结构示意图。

具体实施方式

下面结合附图详细说明本发明的具体实施方式。

在此记载的具体实施方式/实施例为本发明的特定的具体实施方式，用于说明本发明的构思，均是解释性和示例性的，不应解释为对本发明实施方式及本发明范围的限制。除在此记载的实施例外，本领域技术人员还能够基于本申请权利要求书和说明书所公开的内容采用显而易见的其它技术方案，这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案，都在本发明的保护范围之内。

本发明提供了一种米粉饼加工定位方法。所述米粉饼加工定位方法应用于YOLOv5网络。

请参考图1所示，图1为本发明的米粉饼加工定位方法的流程框图。

步骤S1、采集米粉饼的图像数据：采集所述米粉块的表面图像，再将所述表面图像进行预设的图像预处理并获得米粉块表面图像。

步骤S2、构建米粉饼样本数据集：将所述米粉块表面图像根据米粉类饼型进行标注并生成标签，将所述米粉块表面图像和与其相对应的所述标签构建生成米粉饼样本数据集。

请参考图2所示，图2为本发明的米粉饼加工定位方法的步骤S2流程框图。

所述步骤S2具体包括如下步骤：

步骤S21、将所述步骤S1获得的所有所述米粉块表面图像构成数据集，再将所述数据集中的所有图像根据预设的图像处理算法进行运算并获得新图像，再将所述新图像补充进入所述数据集内，以扩大所述数据集。

其中，所述图像处理算法包括图像白平衡处理、图像锐化处理、图像饱和度处理、图像翻转处理、图像旋转处理、图像平移处理、图像噪声处理及图像缩放处理中的任意一种或者多种组合。

步骤S22、将扩大所述数据集中的所述米粉块表面图像根据米粉类饼型进行标注并生成标签，再将所述米粉块表面图像和与其相对应的所述标签构建生成所述米粉饼样本数据集。

步骤S23、将所述米粉饼样本数据集分为训练集和测试集。

所述步骤2.3中，使用LabelImg工具对所述米粉块表面图像进行标记，获得与所述米粉块表面图像相对应的xml文件，再将所述xml文件作为样本加入所述米粉饼样本数据集。

步骤S3、米粉饼样本数据集训练：将获得的所述米粉饼样本数据集训练YOLOv5网络模型，获取所述YOLOv5网络模型的第一权重参数。

步骤S4、检测模型改进：将所述YOLOv5网络模型的网络结构中的neck替换为Slim-Neck并生成改进YOLOv5网络模型。

所述步骤S4中，通过在所述YOLOv5网络模型的网络结构中的所述neck中使用GSConv处理数据，以实现将所述YOLOv5网络模型的网络结构中的neck替换为Slim-Neck。请参考图3所示，图3为本发明的米粉饼加工定位方法的GSConv网络结构图。

所述YOLOv5网络模型的网络结构中，当图像通过主干网络(标准Backbone)走到Neck时，它们已经变得细长(通道维度达到最大，宽高维度达到最小)，不再需要进行变换。因此，更好的选择是仅在Neck使用GSConv(Slim-Neck+标准Backbone)。在这个阶段，使用GSConv处理级联特征图可以实现冗余重复信息少，不需要压缩的效果。同时，通过GSConv引入了Slim-Neck的修改网络结构的方法，可以减轻YOLOv5网络模型的复杂度同时可以保持精度。GSConv更好地平衡了模型的准确性和速度。

本实施例中，所述步骤S4通过在所述YOLOv5网络模型的网络结构中将VoV-GSCSP替代所述neck中的CSP。请参考图4所示，图4为本发明的米粉饼加工定位方法的VoV-GSCSP网络结构图。在所述YOLOv5网络模型的网络结构中采用VoV-GSCSP可以降低了计算和网络结构的复杂性，但保持了足够的精度。使用VoV-GSCSP代替Neck的CSP，其中CSP层由标准卷积组成，FLOPs将平均比后者减少15.72％。

因此，通过将所述步骤S4构建出所述新改进YOLOv5网络模型。请参考图5所示，图5为本发明的米粉饼加工定位方法的新改进YOLOv5网络模型的结构图。所述新改进YOLOv5网络模型在准确性和运算速度比其他网络要高。其他网络网络包括YOLOv3网络、Slim-NeckYOLOv3 tiny、YOLOv4网络、Slim-Neck YOLOv4tiny网络、YOLOv5s网络、Slim-Neck YOLO5stiny网络、scaled-YOLOv4l网络、YOLO5l网络以及Slim-Neck scaled-YOLOv4l网络。

步骤S5、新改进YOLOv5网络模型构建：将所述步骤S3获得的所述权重参数迁移到所述改进YOLOv5网络模型中并生成新改进YOLOv5网络模型，再将所述步骤S2将获得的所述米粉饼样本数据集对所述新改进YOLOv5网络模型进行训练，获得用于米粉饼加工定位的所述新改进YOLOv5网络模型的第二权重参数，完成所述新改进YOLOv5网络模型构建。

步骤S6、米粉饼加工定位检测：采集待检测的米粉块图像，将所述米粉块图像进行所述图像预处理并得到待检测米粉饼图像，将所述待检测米粉饼图像输入到所述新改进YOLOv5网络模型中进行加工定位检测。

步骤S7、获取米粉饼的位置：将由所述新改进YOLOv5网络模型中进行加工定位检测中获得的米粉块的最小外接矩形的坐标，再根据所述坐板进行计算并计算出所述米粉块的中心位置。

实施上述所述步骤S1至所述步骤S7，所述新改进YOLOv5网络模型中进行加工定位检测时，冗余重复信息少，不需要压缩，降低了计算和网络结构的复杂性，但保持了足够的精度，从而使得的准确性好且运算速度快；使得本发明的米粉饼加工定位方法有效将米粉饼识别定位且自动化加工效率高。

本发明还提供一种米粉饼加工定位设备1000。请参照图6所示，图6为本发明的米粉饼加工定位设备1000的结构示意图。

所述米粉饼加工定位设备1000包括处理器1001、存储器1002、网络接口1003及存储在存储器1002上并可在处理器1001上运行的计算机程序，所述处理器1001用于读取所述存储器中1002的程序，处理器1001执行计算机程序时实现实施例提供的米粉饼加工定位方法中的步骤。即处理器1001执行所述米粉饼加工定位方法中的步骤。

具体的，处理器1001用于执行以下步骤：

步骤S1、采集米粉饼的图像数据：采集所述米粉块的表面图像，再将所述表面图像进行预设的图像预处理并获得米粉块表面图像。

步骤S2、构建米粉饼样本数据集：将所述米粉块表面图像根据米粉类饼型进行标注并生成标签，将所述米粉块表面图像和与其相对应的所述标签构建生成米粉饼样本数据集。

步骤S3、米粉饼样本数据集训练：将获得的所述米粉饼样本数据集训练YOLOv5网络模型，获取所述YOLOv5网络模型的第一权重参数。

步骤S4、检测模型改进：将所述YOLOv5网络模型的网络结构中的neck替换为Slim-Neck并生成改进YOLOv5网络模型。

步骤S5、新改进YOLOv5网络模型构建：将所述步骤S3获得的所述权重参数迁移到所述改进YOLOv5网络模型中并生成新改进YOLOv5网络模型，再将所述步骤S2将获得的所述米粉饼样本数据集对所述新改进YOLOv5网络模型进行训练，获得用于米粉饼加工定位的所述新改进YOLOv5网络模型的第二权重参数，完成所述新改进YOLOv5网络模型构建。

步骤S6、米粉饼加工定位检测：采集待检测的米粉块图像，将所述米粉块图像进行所述图像预处理并得到待检测米粉饼图像，将所述待检测米粉饼图像输入到所述新改进YOLOv5网络模型中进行加工定位检测。

步骤S7、获取米粉饼的位置：将由所述新改进YOLOv5网络模型中进行加工定位检测中获得的米粉块的最小外接矩形的坐标，再根据所述坐板进行计算并计算出所述米粉块的中心位置。

本发明实施例提供的所述米粉饼加工定位设备1000能够实现米粉饼加工定位方法实施例中的各个实施方式，以及相应有益效果，为避免重复，这里不再赘述。

需要指出的是，图6中仅示出了具有组件的1001-1003，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的所述米粉饼加工定位设备1000是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述存储器1002至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器1002可以是所述米粉饼加工定位设备1000的内部存储单元，例如所述米粉饼加工定位设备1000的硬盘或内存。在另一些实施例中，所述存储器1002也可以是所述米粉饼加工定位设备1000的外部存储设备，例如该米粉饼加工定位设备1000上配备的插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器1002还可以既包括所述米粉饼加工定位设备1000的内部存储单元也包括其外部存储设备。本实施例中，所述存储器1002通常用于存储安装于所述米粉饼加工定位设备1000的操作系统和各类应用软件，例如米粉饼加工定位设备1000的米粉饼加工定位方法的程序代码等。此外，所述存储器1002还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器1001在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该所述处理器1001通常用于控制所述米粉饼加工定位设备1000的总体操作。本实施例中，所述处理器1001用于运行所述存储器1002中存储的程序代码或者处理数据，例如运行米粉饼加工定位设备1000的米粉饼加工定位方法的程序代码。

网络接口1003可包括无线网络接口或有线网络接口，该网络接口1003通常用于在米粉饼加工定位设备1000与其他电子设备之间建立通信连接。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器1001执行时实现如所述米粉饼加工定位方法中的步骤。

本领域普通技术人员可以理解实现实施例所述米粉饼加工定位设备1000的米粉饼加工定位方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random Access Memory，简称RAM)等。

在本发明实施例中提到的本实施方式为了便于表述。以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

本发明中，本发明提供一种米粉饼加工定位方法、米粉饼加工定位设备及计算机可读存储介质，米粉饼加工定位方法包括步骤S1、采集米粉饼的图像数据；步骤S2、构建米粉饼样本数据集；步骤S3、米粉饼样本数据集训练；步骤S4、检测模型改进；步骤S5、新改进YOLOv5网络模型构建；步骤S6、米粉饼加工定位检测；步骤S7、获取米粉饼的位置。通过所述步骤S4将所述YOLOv5网络模型的网络结构中的neck替换为Slim-Neck并生成改进YOLOv5网络模型，使得步骤S4在运算所述米粉饼加工定位方法时，冗余重复信息少，不需要压缩，降低了计算和网络结构的复杂性，但保持了足够的精度，从而使得所述改进YOLOv5网络模型的准确性好且运算速度快。因此，通过实施所述步骤S1至所述步骤S7，本发明的米粉饼加工定位方法、米粉饼加工定位设备及计算机可读存储介质均可有效将米粉饼识别定位且自动化加工效率高。

以上所述的仅是本发明的实施方式，在此应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出改进，但这些均属于本发明的保护范围。