(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210261479.9 (22)申请日 2022.03.16 (71)申请人 青岛理工大 学 地址 266520 山东省青岛市经济技 术开发 区嘉陵江路7 77号 (72)发明人 林海波　卢元栋　修玉峰　杨发展　 丁荣诚　邵晶　 (74)专利代理 机构 郑州意创知识产权代理事务 所(特殊普通 合伙) 41138 专利代理师 张江森　侯喜立 (51)Int.Cl. G06V 20/68(2022.01) G06V 10/40(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于改进YOLOv3的麦苗行中心线检测方法 (57)摘要 本发明提供一种基于改进YOLOv3的麦苗行 中心线检测方法， 该基于改进YOL Ov3的麦苗行中 心线检测方法包括： 步骤1， 利用改进YOL Ov3目标 检测模型检测麦苗行； 步骤2， 利用定义的灰度阈 值提取检测框中的麦苗特征点； 步骤3， 利用圆形 扫描窗口提取麦苗行中心点； 步骤4， 利用最小 二 乘法分别对 各列麦苗中心点进行拟合， 提取各列 麦苗中心线。 该基于改进YOL Ov3的麦苗行中心线 检测方法不受杂草、 阴影及光照变化的影响， 同 时也适应于存在一定偏航角的麦苗图像。 因此该 基于改进YOLOv3的麦苗行中心线检测方法适应 性更广、 更稳定， 为麦田智能农机视觉导航提供 技术参考。 权利要求书3页 说明书8页 附图6页 CN 114612899 A 2022.06.10 CN 114612899 A 1.基于改进YOLOv3的麦苗行中心线检测方法， 其特征在于， 该基于改进YOLOv3的麦苗 行中心线检测方法包括： 步骤1， 利用改进YOLOv3目标检测模型检测麦苗行； 步骤2， 利用定义的灰度阈值 提取检测框中的麦苗特 征点； 步骤3， 利用圆形扫描窗口提取麦苗行中心点； 步骤4， 利用最小二乘法分别对各列麦苗中心点进行拟合， 提取 各列麦苗中心线； 2.根据权利 要求1所述的基于改进YOLOv3的麦苗行中心线检测方法， 其特征在于， 在步 骤1中， 用于模型训练的麦苗图像应该拍摄于小麦越冬期和返青期 两个时间段； 相机摄像头 距离地面100 ‑150cm； 相机光轴与水平线夹角为30 ° ‑60°； 拍摄的偏航角为0 ° ‑30°； 沿麦苗行 不同的方向进行拍摄； 采用多种分辨 率进行拍摄； 优选地， 在步骤1中， 对 采集的图像进行扩充， 建立麦苗图像数据库。 3.根据权利 要求1所述的基于改进YOLOv3的麦苗行中心线检测方法， 其特征在于， 在步 骤1中， YOLOv3模型输出的包围框被 改进， 由原来的横向包围框 改为可旋转的包围框， 旋转 包围框的标注参数表示为(x， y， w， h， α )， 其中， (x， y)表示框的中心点坐标， w、 h分别表示在 旋转前框的宽度与高度， α表示包围框围绕中心点(x， y)顺时针方向旋转的角度， 其单位为 弧度， 其取值范围为[0， π )。 4.根据权利 要求1所述的基于改进YOLOv3的麦苗行中心线检测方法， 其特征在于， 在步 骤1中， 基于标注信息， 利用K ‑means算法分别对包围框的大小及旋转角度进 行聚类， 包围框 的大小被划分为9个聚类中心点， 包围框的旋转角度参数被划分为6个聚类中心点。 5.根据权利 要求1所述的基于改进YOLOv3的麦苗行中心线检测方法， 其特征在于， 在步 骤1中， 模型的损失函数需要做 一些改变， 去掉损失函数中与多分类预测有关的部 分， 同时， 利用smooth L1函数表示角度预测的损失， 具体公式如下： Loss＝Lα+Lx， y+Lw， h+Lconf 权　利　要　求　书 1/3 页 2 CN 114612899 A 2其中， S2代表输出的特征图的尺寸(S＝13， 26， 52)； B代表特征图中每个网格的候选包围 框数量(B＝3 ×6)； 代表第i个格中第j个候选包围框是否负责目标检测， 若负责， 否则为0， 与其情况相反； 分别代表第i个格中第j个候选包围框的预测 旋转角度与真实旋转角度； λcoord， λnoobj分别用于平衡包围框与置信度的训练损失； 分别代表第i个格中第j个候选包围框中心点的预测坐标与真实坐 标； 分别代表第i个格中第j个候选包围框尺寸的预测值； 分别代表第i个格 中第j个候选包围框尺寸的真实值； 分别代表第i个格中第j个候选包围框中对目标 的预测置信度与真实置信度。 6.根据权利 要求1所述的基于改进YOLOv3的麦苗行中心线检测方法， 其特征在于， 在步 骤2中， 模型仅输出高度大于 的包围框； 图像通过HLS颜色空间中H通道被转换至灰度图像， 麦苗特征点的提取 方法如下： 其中， greyi， j为图像在点(i， j)处的灰度值， T为灰度阈值， 该值与麦苗生长 阶段有关； 若Pi， j＝1， 则表示 点(i， j)为麦苗特 征点。 7.根据权利 要求1所述的基于改进YOLOv3的麦苗行中心线检测方法， 其特征在于， 在步 骤3中， 定义了一个圆形扫描窗口， 它从包围框上边缘中点沿直线扫描至包围框下边缘中 点； 在扫描过程中， 计算窗口内部特 征点的均值 点， 并将其作为麦苗行中心点。 8.根据权利 要求7所述的基于改进YOLOv3的麦苗行中心线检测方法， 其特征在于， 在步 骤3中， 根据模 型输出的旋转包围框的中心 点(x， y)及框的宽度w和高度h等参数计算包围框 在未旋转前的四个顶点的位置坐标， 其分别为左上方顶点 右上方顶点 右下方顶点 左下方顶点 然后， 再根据旋 转角度α 计算包围框 旋转后的四个顶点 坐标 其计算方法如下： 其中(xi， yi)为未旋转前的顶点 坐标， 为旋转后的顶点 坐标， i＝1， 2， 3， 4； 优选地， 在步骤3 中， 圆形窗口移动的起点和终点分别为旋转边界框的上边缘和下边缘 的中心点， 并且沿着两点的连接的直线移动； 移动的起点与终点与旋转角度α有关； 当 时， 起点为 与 的中点， 终点为 与 的中点； 当 时， 起点为 与 的中点， 终点为 与 的中点； 根据起点与终点， 移动的路径方程被求出； 当α＝0， 路径方 程为X＝x； 当0＜α＜π时， 路径方程为Y＝k*X+b， 其中 进一步优选地， 在步骤3中， 圆形窗口以 为半径， 其圆心从起点开始， 沿着被选择的路 径扫描； 每移动到一个新位置， 分别计算圆形窗口内的所有的点的横坐标与纵坐标 的平均权　利　要　求　书 2/3 页 3 CN 114612899 A 3