买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江西农业大学;江西省科学院应用物理研究所

摘要：本发明属于农作物信息检测技术领域，基于YOLOv9‑DSM网络的水果体积检测方法，本发明通过双目相机获取水果图像，传输给YOLOv9‑DSM网络识别水果，YOLOv9网络的基础上结合了DSLGSeq模块和MHSI模块生成了新的网络，命名为YOLOv9‑DSM；运用双目模板匹配方法计算视差以测量水果图像中水果的长、短轴长度，进而根据拟合方程计算水果体积。本发明将双目视觉技术与YOLOv9‑DSM网络相结合，可以实现对水果体积的精准估算。

主权项：1.一种基于YOLOv9-DSM网络的水果体积检测方法，其特征在于：首先，通过双目相机获取水果图像，传输给YOLOv9-DSM网络识别水果；然后，运用双目模板匹配方法计算视差以测量水果图像中水果的长、短轴长度，进而根据拟合方程计算水果体积；所述YOLOv9-DSM网络是YOLOv9网络的基础上结合了DSLGSeq模块和MHSI模块生成的新网络；YOLOv9-DSM网络由主干网络、颈网络、检测头构成，主干网络依次由第一卷积模块、第二卷积模块、第一DSLGSeq模块、第三卷积模块、第二DSLGSeq模块、第四卷积模块、第三DSLGSeq模块、第五卷积模块、第四DSLGSeq模块和SPPELAN模块组成；颈网络包括第一RePNCSPELAN4模块、第二RePNCSPELAN4模块、第六卷积模块、第三RePNCSPELAN4模块、第七卷积模块、第四RePNCSPELAN4模块；SPPELAN模块输出的特征进行上采样后与第二DSLGSeq模块输出的特征进行特征融合，融合后的特征然后进入第一RePNCSPELAN4模块处理；第一RePNCSPELAN4输出的特征进行上采样后与第一DSLGSeq模块输出的特征进行特征融合，融合的特征进入第二RePNCSPELAN4模块，第二RePNCSPELAN4模块输出的特征进入第六卷积模块处理，第六卷积模块输出的特征与第一RePNCSPELAN4模块输出的特征进行特征融合，融合后的特征输入第三RePNCSPELAN4模块，第三RePNCSPELAN4输出的特征进入第七卷积模块处理，第七卷积模块输出的特征与SPPELAN模块输出的特征进行特征融合，融合后的特征输入第四RePNCSPELAN4模块；选择第二RePNCSPELAN4模块、第三RePNCSPELAN4模块、第四RePNCSPELAN4模块的输出，分别经过MHSI模块处理后，分别输入三个卷积模块处理，得到检测输出特征图；DSLGSeq模块由自适应选择模块和逆瓶颈层组成；所述DSLGSeq模块处理过程如下：输入特征经3×3卷积得到第一个输出特征，输入特征经7×7卷积得到第二个输出特征；采用平均池化和最大池化操作来连接第一个输出特征和第二个输出特征： ； ；其中，avg表示平均池化后的特征，map表示最大池化后的特征，AVP表示平均池化，MAP表示最大池化；将avg和map进行特征融合，然后另一个7×7内核的卷积处理，以允许这些信息在不同的空间描述符之间相互作用，并使用Sigmoid激活函数获得动态选择第一校准值a1和第二校准值a2；利用第一校准值a1校准第一个输出特征，利用第二校准值a2校准第二个输出特征，两个校准后的特征与叠加，最后输出校准好的特征；将校准好的特征传输给逆瓶颈层使用1×1卷积核学习通道信息： ；其中，表示1×1卷积；接着，通过扩展和缩减通道数获得特征图E和G： ； ；其中，D是原始特征图，c是D的通道数，E是扩展后的4倍通道数的特征图，G是经过通道缩减后恢复到通道数c的特征图；最后将特征图G传输给YOLOv9-DSM网络的主干网络中进一步特征提取；MHSI模块处理过程如下：YOLOv9-DSM网络在不同检测层上提取特征，Fs、Fm、Fl分别代表小尺度、中尺度和大尺度特征；通过1×1卷积进行通道信息学习： ；其中，W1×1是1×1卷积核，Fs1×1表示Fs通过1×1卷积后的特征；使用1×1卷积将特征信息的通道维度映射为2： ；其中，Fs2c表示Fs1×1通过1×1卷积后通道维度映射为2的特征，再对通道维度实施Softmax激活，以获得不同检测层信息的重要性权重分数： ；其中，表示第i个检测层的重要性权重分数，e为自然常数，Fs2c[i]表示在第i个检测层的通道维度映射为2的特征；再对不同尺度的检测层输出赋予不同的重要性权重，然后进行求和及融合： ；其中，interpolate表示插值操作，表示特征融合，表示中尺度特征和大尺度特征的特征融合后特征；接着，将融合后的特征Fconcat与小尺度特征Fs进行特征融合操作得到最终特征Ffinal。

全文数据：

权利要求：

百度查询： 江西农业大学 江西省科学院应用物理研究所 基于YOLOv9-DSM网络的水果体积检测方法