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：西南大学

摘要：本发明公开了属于农业机械领域的一种手持式花椒剪切脱粒机器，其顺序是自上而下，首先是主动轮嵌入手持杆上，主动轮轴线与手持杆呈110度，主动轮后侧固定一固定板片，上固定脱粒半圆刀片上半部分；再下是一个侧挂式手柄固定座，将手持杆和连杆系统连接起来，一个连杆销一边穿入侧挂式手柄固定座，另外一边焊接一个焊接板，焊接板另外一端再焊接一个连杆销，连接剪切系统和总体背板，总体背板上固定两个电动推杆。本发明采用弧形刀片脱粒，主从动轮进给，推杆驱动花椒剪剪枝。利用一边进给，定频率剪枝的连贯动作，实现了花椒采收处理的流程，省时省力，效率很高，为花椒采收户提供了极大的便利，提高采收效率，减轻劳动负担。

主权项：1.一种花椒识别方法，其特征在于，第一步采集数据集；使用相机拍取实际场景下的花椒图片，使用相应的标注软件将其标注为VOC格式类型的xml文件，其中bndbox展示了图片标注的位置信息；第二步图像处理；将经过处理的图片输入到对应的主干网络中，经过一系列卷积操作之后提取图片各个通道数的不同视野的语义信息；①维度扩增：首先对三维RGB图像进行BGR的转换，然后在原有的三维基础上扩充一个维度，变成四维张量；②图像归一化处理：将图片的每个像素点的数值统计起来，像素点值的范围位于0-255之间，使用下述公式将其缩放到0-1之间，进行归一化操作； Xmin表示最小像素点，Xmax表示最大像素点，Xi表示图片中第i个像素点数值③图像标准化处理：由于图像的数据信息分布较为分散，网络训练起来难度大，因此需要进行标准化处理，首先使用公式求出像素点的均值和方差，再将图像进行标准化操作， μ表示得到的均值，N表示图像中像素点总数，Xi表示图片中第i个像素点数值 σ表示方差，μ表示均值 第三步网络特征提取：网络特征提取的主要目的就是将图片目标和我们所标注的真实区域之间进行拟合，达到最小的错误率；①经过处理后的图片进入神经网络进行特征信息的提取，卷积的计算公式如下所示： 全卷积公式定义，其中xij表示输入图像对应的矩阵坐标点像素数值，k表示卷积核权重的对应矩阵坐标点像素数值②经过卷积操作后的图像尺寸会发生一定的变化，长宽变小，通道数变多，空间层面的信息增加，提取的特征更利于网路进行训练， heightin表示图像输入的宽度，widthin表示图像输入的宽度，widthkernel表示卷积核的大小，stride表示卷积核的步长，步长为1图像尺寸不变化③标准化网络层，网络在训练的过程中，输入层的数据分布会因为各层的权重不同发生不同的偏移，导致网络收敛速度越来越慢，标准化层就是将数据强行规范化，增强网络的收敛能力，第四步网络权重保存，网络训练完毕之后，其各层之间会取得一个较好的权重值，能够达到一个最优的预测效果，我们将这个权重进行保留，用于后期检测花椒；第五步花椒检测，在前边得到网络权重的基础上，我们将实际环境下所取得的图片或视频经过处理后传入到网络中，因为各层之间的权重参数在训练过程中已达到较优水平，输入的图像只需要在这些参数下进行前向传播，最终获取实际的目标类别概率； L表示评价损失函数，Ncls表示所有的类别，pi表示真实的类别，pi*表示预测的类别信息，ti表示真实位置信息，包含中心点和锚框的框高，ti*表示预测的锚框，Nreg表示所有预测锚框的数量，λ表示对应的权重比值第六步fastercnn相较于传统的分类网络，其创新之处在于会生成n个大小不一致的锚框，这些锚框按照一定的步长进行等距滑动，选取的每一个区域进行一次预测，然后获取对应的类别和目标的位置信息；最后通过评测指标，对每个区域的目标识别概率和位置偏移量进行评估，选取最优的那一个锚框，输出其位置信息和目标类型给机器。

全文数据：

权利要求：

百度查询： 西南大学 一种手持式花椒剪切脱粒机器