基于深度學習的金針菇頭部檢測算法研究

鄭義姚，鄭力新

（福建華僑大學工學院，泉州362000）

0 引言

中國是一個人口大國，在這樣一個人口眾多的國家，糧食問題已經(jīng)成為一個更值得關(guān)注的問題，因此中國特別重視農(nóng)業(yè)生產(chǎn)。金針菇是現(xiàn)在最常見的一種菌類食品，好吃又有營養(yǎng)。此外，金針菇具有寒性、咸味，有益肝、益胃腸、增智、抗癌、抗癌的作用。因此，我國對金針菇的需求量在不斷增加，但據(jù)中國食用菌協(xié)會統(tǒng)計[1]：2017 年食用菌總產(chǎn)量3712 萬噸，2016 年超過3596.66 萬噸，增長3.21%。通過統(tǒng)計得出，前7 種菌類分別為：香菇（986.51 萬噸）、黑木耳（751.85 萬噸）、蠔菇（546.39 萬噸）、雙孢蘑菇（289.52 萬噸）、金針菇（247.92 萬噸），2017 年毛霉菌（168.64 萬噸）、杏菇（159.71 萬噸）產(chǎn)量較2016 年下降7.12%?？梢钥闯?，在上述蘑菇分類中，金針菇的總產(chǎn)量排在第五位，并且有下降的趨勢。造成這種情況的緣由有兩個：一是栽培的產(chǎn)出率，二是人工分類效率低。在金針菇分類中，工人首先要根據(jù)工人自身的經(jīng)驗分析頭部和根部是否符合工廠的標準，然后進行分類，這需要處理大量的數(shù)據(jù)。因此，在分級階段，用機械操作代替人工分級將是金針菇生產(chǎn)的一大進步。

在對金針菇進行分類的過程中，工作人員首先分析金針菇的特性，然后判斷其是否符合要求。這樣的工作流程恰巧類似于當今發(fā)展迅速的深度學習。深度學習不同于傳統(tǒng)的方法，通過自動獲取大數(shù)據(jù)來反映數(shù)據(jù)差異的特點，其分層處理方法類似于人類的視覺機制。卷積神經(jīng)網(wǎng)絡(luò)是模擬人腦的工作機制[2]。2012 年，Hinton 團隊通過構(gòu)建CNN 網(wǎng)絡(luò)AlexNet 獲得ImageNet冠軍，該網(wǎng)絡(luò)結(jié)構(gòu)相對簡單，擅長小數(shù)據(jù)集[3]。然后，經(jīng)過幾代人的改進和創(chuàng)新，出現(xiàn)了ZFNet、VGGNet、GoogleNet 和ResNet 等優(yōu)秀的神經(jīng)網(wǎng)絡(luò)，VGG-16[4]率先證明了神經(jīng)網(wǎng)絡(luò)的深度對大規(guī)模數(shù)據(jù)精度的影響，而后續(xù)的神經(jīng)網(wǎng)絡(luò)大多是基于VGG-16 來去除或添加其他層。ResNet 提出了一個新的模塊，稱為“殘差塊”[5]，它將網(wǎng)絡(luò)的深度提升到了一個新的高度，并且在網(wǎng)絡(luò)層數(shù)的加深上沒有過度擬合。接著，出現(xiàn)了許多目標檢測模型，從R-CNN、Faster R-CNN、SSD、直到Y(jié)OLOv3、YOLOv4。

1 數(shù)據(jù)集制作

1.1 數(shù)據(jù)集采集

通過查詢發(fā)現(xiàn)，Andreas Kamilaris 在《農(nóng)業(yè)的深度學習：一項調(diào)查》中發(fā)現(xiàn)，深度學習在農(nóng)業(yè)中的研究中有40 多種，并取得了良好的效果。如Jihen Amara 等人用CNN[6]對香蕉葉實行分類，準確率達98.67%。Josef Haupt 使用ResNet-50 和2 個DenseNet201 網(wǎng)絡(luò)對大型植物進行分類[7]，Inkyu Sa 通過深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)了對水果的測試[8]。雖然CNN 在很多方面都做得很好，但本文對金針菇的研究還存在幾個難點：①金針菇屬于自然生長，形式多樣。一張金針菇圖像上可能存在幾十個金針菇頭，需要對金針菇頭部圖像進行合適的特征提取。②數(shù)據(jù)集的收集。數(shù)據(jù)集對最終結(jié)果至關(guān)重要，需要收集數(shù)據(jù)集，但沒有公開的金針菇數(shù)據(jù)集。本文基于深度學習的方法上，采用數(shù)據(jù)增強和遷移學習的方法來防止小數(shù)據(jù)集中可能出現(xiàn)過擬合的情況。在對圖像進行預處理時，對所有數(shù)據(jù)進行歸一化處理，以防止仿射變換的影響，減小幾何變換的影響，同時加快梯度下降來求解最優(yōu)解。

圖1 金針菇菇頭示意圖

金針菇工廠采用4096×2160 像素的工業(yè)相機拍攝金針菇的頭部，并在背景上添加一張黑色的卡紙以消除其他背景因素的影響，省去了后期圖像處理部分對背景影響的考慮。將采集好的數(shù)據(jù)集按8:2 的比例分成訓練集和測試集。如圖1 所示，金針菇菇頭大小差別較大，且水菇較多。

1.2 圖像歸一化

收集到的圖像尺寸為4096×2160，像素在0～255之間。對這些圖像進行歸一化處理，將像素范圍轉(zhuǎn)換為0-1 之間。采用max 和min 值的方法對圖像實現(xiàn)規(guī)范化，轉(zhuǎn)化的公式如（1）所示：

在公式中，像素Y 代表經(jīng)過變換后的像素，像素X代表原始像素值，像素M 和L 分別是樣本像素的最大值和最小值。這種分配的目的是將多維表達式轉(zhuǎn)換成無量綱，以避免不同物理意義和維數(shù)的輸入變量的不平等使用和大數(shù)據(jù)對小數(shù)據(jù)的覆蓋。

為了得到更好的模型，需要進行大量的訓練以獲得足夠的訓練參數(shù)，從而提高模型的規(guī)范化程度。為此，本文采用數(shù)據(jù)增強[9]，通過對訓練圖像進行隨機剪裁，得到4134 幅訓練圖像，并將其像素放大到256×256，以解決數(shù)據(jù)集不足導致的過擬合問題。

2 實驗結(jié)果

進行預處理并且打好標簽的數(shù)據(jù)集，分別放入YOLOv3[10]和YOLOv4[11]進行訓練，得到訓練好的模型，使用測試集在模型上進行測試，得到如表所示指標，可以看出YOLOv4 的準確率比YOLOv3 的準確率高2.1%，在檢測速度上快了0.3s，更適用于工業(yè)使用。YOLOv4 檢測的效果圖如圖2 所示，將大部分菇頭的都檢測出來，效果明顯。

表1 四個評價指標對比

圖2 檢測效果圖

如圖3 所示是根據(jù)檢測結(jié)果繪制的PR 圖，可以看出YOLOv4 在本數(shù)據(jù)集之下的檢測穩(wěn)定性和準確性要高于YOLOv4，也進一步證明了，YOLOv4 在金針菇頭部的檢測中的實用性。

圖3 YOLOv3和YOLOv4網(wǎng)絡(luò)Precision-Recall曲線

3 結(jié)語

目前，將深度學習在應(yīng)用到農(nóng)產(chǎn)品中的實例較少，原因之一是大部分農(nóng)產(chǎn)品是在多種自然條件下生長的，因此很難提取出有效的特征。另一個原因是數(shù)據(jù)集很難去收集，目前可用于農(nóng)產(chǎn)品的數(shù)據(jù)集較少，大部分需要根據(jù)具體要求進行收集。本文根據(jù)對金針菇頭部的標定，發(fā)現(xiàn)在YOLOv3 網(wǎng)絡(luò)上檢測的精度和速度優(yōu)秀一些，通過這樣的方法，可以實現(xiàn)金針菇頭部的檢測，但由于對其他優(yōu)化算法的研究還不多，因此結(jié)果仍有很大的改進空間。