(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 202211126794.7 (22)申请日 2022.09.15 (71)申请人 长江大学 地址 434000 湖北省荆州市南环路1号 (72)发明人 刘忠意　李萌　魏登峰　鲁力　 周绍发　聂丰镐　李鹏　 (74)专利代理 机构 安徽宏铎知识产权代理事务 所(普通合伙) 3425 0 专利代理师 李静 (51)Int.Cl. G06V 20/68(2022.01) G06V 10/82(2022.01) G06V 10/94(2022.01) G06V 10/25(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于改进的YOLOV5网络的垃圾食品检 测方法 (57)摘要 本申请为一种基于改进的YOLOV5网络的垃 圾食品检测方法， 具体的实现步骤包括： 采集20 种垃圾食品的原始图像； 在采集的原始图像中， 对不同种类的垃圾食品标注， 形成可供使用样本 集； 将数据样本集通过多种方式进行数据增强并 对样本集进行锚框选择； 对样本集进行划分； 构 建改进的YOLOV 5网络， 在基于原始的YOLOV5的基 础上对模型进行改进， 最后获得最终的改进模 型， 然后对改进的模型进行训练来获得最优的参 数； 完成样本的预测等后续行为。 权利要求书1页 说明书4页 附图5页 CN 115482527 A 2022.12.16 CN 115482527 A 1.一种基于改进的YOLOV5网络的垃圾食品检测方法， 其特 征在于： 包括以下步骤： S1、 采集图像， 搜寻垃圾食品图像； S2、 对所述S1采集到垃圾食品图像进行 标注， 从而形成垃圾食品的样本库； S3、 将所述S1采集到的垃圾食品图像进行数据增 强， 对所述S2中的样本库进行锚框选 择； S4、 将所述S3锚框 选择后的样本库进行样本划分； S5、 构建改进的YOLOV5网络； S6、 构建检测网络模型； S7、 将所述S3中预处理好的垃圾食品的图片输入至所述S6中训练好的垃圾食品检测网 络模型中， 检测图片内垃圾食品的位置和种类并输出 结果。 2.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法， 其特征在 于： 所述S1中的搜寻垃圾食品图像方法包括百度和谷歌的搜索引擎进 行搜索相关图片以及 编写pytho n程序进行图片的爬取。 3.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法， 其特征在 于： 所述S2中标注的方法为： 通过Label Img工具对 采集的垃圾食品的图片进行 标注。 4.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法， 其特征在 于： 所述S 3中的数据增加方法包括图像进 行随机旋转、 图像进 行随机剪裁， 随机缩放以及随 机排布。 5.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法， 其特征在 于： 所述S3的锚框 选择具体为k‑means的聚类方法。 6.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法， 其特征在 于： 所述S4中的样本划分将 样本具体划分为训练集、 验证集和 测试集三种。 7.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法， 其特征在 于： 所述S5中构建改进YOLOV5网络的方法为： 选用了基础的网络YOLOV5， 将原始的YOLOV5中 Darknet53主干提取网络中的C3模块替换为Shuffle  Block模块， 对输入的图片进行特征提 取； 将原YOLOV5结构的检测头中FPN结构和PAN结构中的C3模块替换为Shuffle  Block模 块， 将所有的卷积模块 替换为深度可分离卷积， 对各层进行 特征融合； 将原YOLOV5三个检测头的， 增加一个可以检测小目标的检测头， 另外对检测头中PANET 网络结构中通道数拼接操作改为 通道值之间相加， 降低的网络模型的参数。 8.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法， 其特征在 于： 所述S6构建检测网络模型的具体方法为： 采用GIOU_Loss作为位置的损失函数， 采用二 值交叉熵函数做为分类和置信度的损失函数来构建模型； 利用改进好的YOLOV5构建垃圾食品检测网络， 将预处理的好的数据集经过GPU进行训 练， 然后选择一个在训练集得到最 好效果的模型权 重进行模型构建。 9.根据权利要求1所述的一种基于改进的YOLOV5网络的垃圾食品检测方法， 其特征在 于： 所述S7中的输出结果方式为： 将模型预测的结果采用非极大值抑制的方法除去对多个 冗余的检测框进行筛 选。权　利　要　求　书 1/1 页 2 CN 115482527 A 2一种基于改进的Y OLOV5网络的垃圾食品检测方 法 技术领域 [0001]本申请涉及深度学习目标检测领域， 特别涉及一种基于YOLOV5改进网络模型的垃 圾食品检测与识别方法。 背景技术 [0002]随着社会社会经济 的发展， 人们生活水平越来越高， 人们在对食物的追求越来越 高， 然而由于不良的一些饮食习惯， 我们的肥胖相关的问题越来越严重。 根据 《中国居民营 养与慢性病状况报告(2020年)》 的最新数据， 超重和肥胖已经成为国人的突出问题之一。 肥 胖是万病之源， 焦虑、 抑郁、 非酒精性脂肪肝、 高血压、 冠心病、 胃食管反流病、 糖尿病、 骨关 节炎等疾病的发生都于肥 胖有关。 [0003]垃圾食品是产生肥胖的重要原因之一， 然而很多人并不是很清楚那些食物是垃圾 食品， 本发明将改进的YOLOV5检测运用到食品检测中， 能够快速的检测辨别 是否是垃圾食 品， 帮助人进行判断和识别， 减少人对于垃圾食品的摄入量。 此方法可以部署到边缘设备 中， 自动的识别多种垃圾食品， 处 理速度快， 检测精度高。 有一定的应用价 值。 发明内容 [0004]本申请的目的在 于提供一种基于改进的YOLOV5网络的垃圾食品检测方法， 以解决 上述背景技术中提出 的如何快速检测辨别是否是垃圾食品， 帮助人进行判断和识别， 减少 人对于垃圾食品的摄入量的问题。 [0005]为实现上述目的， 本申请提供如下技 术方案： 包括以下步骤： [0006]S1、 采集图像， 搜寻垃圾食品图像； [0007]S2、 对所述S1采集到垃圾食品图像进行 标注， 从而形成垃圾食品的样本库； [0008]S3、 将所述S1采集到的垃圾食品图像进行数据增强， 对所述S2中的样本库进行锚 框选择； [0009]S4、 将所述S3锚框 选择后的样本库进行样本划分； [0010]S5、 构建改进的YOLOV5网络； [0011]S6、 构建检测网络模型； [0012]S7、 将所述S3中预处理好的垃圾食品的图片输入至所述S6中训练好的垃圾食品检 测网络模型中， 检测图片内垃圾食品的位置和种类并输出 结果。 [0013]优选的， 所述S1中的搜寻垃圾食品图像方法包括百度和谷歌的搜索引擎进行搜索 相关图片以及编写pytho n程序进行图片的爬取。 [0014]优选的， 所述S2中标注的方法为： 通过LabelImg工具对采集的垃圾食品的图片进 行标注。 [0015]优选的， 所述S3中的数据增加方法包括图像进行随机旋转、 图像进行随机剪裁， 随 机缩放以及随机排布。 [0016]优选的， 所述S3的锚框 选择具体为k‑means的聚类方法。说　明　书 1/4 页 3 CN 115482527 A 3