一种基于机器视觉的植株应力应变测量方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115953402A(43)申请公布日2023.04.11(21)申请号202310234665.8G06N3/0464(2023.01)(22)申请日2023.03.13G06N3/08(2023.01)(71)申请人江西农业大学地址330045江西省南昌市经济技术开发区志敏大道1101号(72)发明人易文龙张训胜赵小敏徐亦璐戴仕明刘文芃(74)专利代理机构南昌丰择知识产权代理事务所(普通合伙)36137专利代理师吴称生(51)Int.Cl.G06T7/00(2017.01)G01D21/02(2006.01)G06V10/80(2022.01)G06V10/82(2022.01)权利要求书2页说明书7页附图4页(54)发明名称一种基于机器视觉的植株应力应变测量方法及装置(57)摘要本发明属于农作物信息检测技术领域，公开了一种基于机器视觉的植株应力应变测量方法及装置，该方法通过推杆向植株茎秆施加推力并通过力传感器监测推力大小，通过拍摄装置采集植株茎秆弯曲图像；使用改进的YOLOv5‑OBB旋转目标检测算法构建目标检测模型，目标检测模型对植株茎秆弯曲图像进行处理，将弯曲植株茎秆进行旋转框标注处理，得到植株茎秆弯曲角度、受力点离地距离、弯曲后植株茎秆高度、植株受力点直径，结合推力大小，计算植株茎秆的杨氏弹性模量、所受弯曲应力和弯曲挠度。本发明结合深度学习对植物茎秆实时弯曲图像进行几何参数测量，建立所施加推力与茎秆弯曲的应力应变数学模型，有助于分析植株茎秆抗倒伏受力强度。CN115953402ACN115953402A权利要求书1/2页1.一种基于机器视觉的植株应力应变测量方法，其特征在于，包括以下步骤：步骤一：通过推杆向植株茎秆施加推力并通过力传感器监测推力大小，通过拍摄装置采集植株茎秆弯曲图像；步骤二：使用改进的YOLOv5‑OBB旋转目标检测算法构建目标检测模型，目标检测模型对植株茎秆弯曲图像进行处理，通过改进的YOLOv5‑OBB旋转目标检测算法将弯曲植株茎秆进行旋转框标注处理，以受力点为界限标注出两个旋转框，接近地面的旋转框记为旋转框Ⅰ，另一个旋转框记为旋转框Ⅱ，两个旋转框的矩形对应边的夹角即为植株茎秆弯曲角度，受力点离地距离为旋转框Ⅰ的高度，植株茎秆高度为受力点离地距离加上旋转框Ⅱ的高度乘以，并单独截取受力点处植株茎秆图像标注为旋转框Ⅲ，旋转框Ⅲ的高度为受力点直径；步骤三：结合力传感器所测得的推力大小，计算植株茎秆的杨氏弹性模量、弯曲应力和弯曲挠度。2.根据权利要求1所述的基于机器视觉的植株应力应变测量方法，其特征在于，所述YOLOv5‑OBB旋转目标检测算法指的是：使用OBB的标注方式对所拍摄的植株茎秆弯曲图像进行标注，标注出任意四边形框线顶点按照顺时针顺序排列，形成数据集，然后使用YOLOv5网络进行训练,得到目标检测模型。3.根据权利要求1所述的基于机器视觉的植株应力应变测量方法，其特征在于，目标检测模型由主干网络、颈部网络、预测输出构成，主干网络包括依次设置的调焦模块、第一CBS模块、第一C2f模块、第二CBS模块、第二C2f模块、第三CBS模块、第三C2f模块、第四CBS模块、SPP模块、ECA模块、第四C2f模块；颈部网络包括第五CBS模块、第五C2f模块、第六CBS模块、第七CBS模块、第八CBS模块、第五C2f模块、第六C2f模块、第七C2f模块、第八C2f模块；第二C2f模块输出第一特征图，第三C2f模块输出第二特征图，第四C2f模块的输出连接第五CBS模块，第五CBS模块输出第三特征图，第三特征图经第一上采样后与第二特征图融合，再依次经第五C2f模块和第六CBS模块处理得到第四特征图，第四特征图经第二上采样后与第一特征图融合并经第六C2f模块处理得到第五特征图，第五特征图送入第一卷积处理得到旋转框Ⅰ；第五特征图经第七CBS模块处理后与第四特征图融合，然后经第七C2f模块处理得到第六特征图，第六特征图送入第二卷积处理得到旋转框Ⅱ；第六特征图经第八CBS模块处理后与第三特征图融合，然后经第八C2f模块处理得到第七特征图，第七特征图送入第三卷积处理得到旋转框Ⅲ。4.根据权利要求3所述的基于机器视觉的植株应力应变测量方法，其特征在于，第一C2f模块、第二C2f模块、第三C2f模块、第四C2f模块、第五C2f模块、第六C2f模块、第七C2f模块和第八C2f模块的结构相同，均用C2f模块说明结构；C2f模块包括第九CBS模块、分离函数、第一瓶颈层、第二瓶颈层、第三瓶颈层、第十CBS模块，特征图从第九CBS模块输入，依次经第九CBS模块、分离函数、第一瓶颈层、第二瓶颈层、第三瓶颈层处理，将第一瓶颈层、第二瓶颈层、第三瓶颈层各自输出的特征图融合后送入第