CN120047678B 一种用于异常大米检测的轻量级目标检测方法及系统 （吉林农业大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120047678B(45)授权公告日2025.07.11

(21)申请号202510525246.9

(22)申请日2025.04.25

(65)同一申请的已公布的文献号申请公布号CN120047678A

(43)申请公布日2025.05.27

(73)专利权人吉林农业大学

地址130118吉林省长春市新城大街2888

号

(72)发明人于合龙陈振洋石磊薛明轩陈静高芳周雷进雨余祉潇

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

GO6V10/764(2022.01)

(56)对比文件

NingLi等.EnhancedYOLOv8withBiFPN-SimAMforPreciseDefectDetectionin

MiniatureCapacitors.《appliedscience》.2024,第1-16页.

审查员刘素兵

(74)专利代理机构哈尔滨市阳光惠远知识产权

代理有限公司23211专利代理师刘景祥

(51)Int.CI.

GO6V10/25(2022.01)权利要求书2页说明书16页附图11页

(54)发明名称

一种用于异常大米检测的轻量级目标检测方法及系统

(57)摘要

CN120047678B一种用于异常大米检测的轻量级目标检测方法及系统。属于神经网络目标检测技术领域，具体涉及异常大米检测技术领域。其解决了现有的神经网络技术对于异常大米的检测精度和效率较低的技术问题。方法包括如下步骤：数据集构建：采集不同类型的异常大米图片，进行类别标注以及训练集、验证集和测试集的划分；模型构建：在YOLOv11n模型基础上，结合大米形态特征，对YOLOv11n模型进行改进，构建适用于异常大米检测的模型；模型训练：采用构建的数据集对适用于异常大米检测的模型进行训练，调整模

CN120047678B

开始

开始

获取采集的待检测的大米的RGB图像

对采集的图像进行标注(分为四类),并划分数据集

获取训练完成的Rice-YOL0-AD模型

将待检测的测试集的大米的RGB图像输入训练完成的Rice-YOL0-AD模型，获取大米的检测结果

结束

CN120047678B权利要求书1/2页

2

1.一种用于异常大米检测的轻量级目标检测方法，其特征在于，所述方法包括如下步

骤：

S1、数据集构建：采集不同类型的异常大米图片，进行类别标注以及训练集、验证集和测试集的划分；

S2、模型构建：在YOLOv11n模型基础上，结合大米形态特征，对YOLOv11n模型进行改进，构建适用于异常大米检测的模型；

对YOLOv11n模型进行改进具体为：

降低模型的参数量和计算量，具体为将YOLOv11n模型主干网络中从输入开始的第五个卷积模块替换为深度卷积模块；

引入注意力机制，具体为在YOLOv11n模型主干网络中的C2PSA模块后增加SimAM模块；

优化信息融合架构，具体为在YOLOv11n模型的颈部部分引入BiFPN架构，对YOLOv11n模型的颈部部分的信息融合方式进行改变，步骤为：

S61、将YOLOv11n模型主干部分从输入开始经过的第一个C3K2模块与颈部部分连接；

S62、在YOLOv11n模型主干部分和颈部部分相连接的模块间增加卷积模块；

S63、将颈部部分的Concat模块替换为Fusion模块，通过可学习的权重对不同层级特征进行加权融合；

S64、将YOLOv11n模型颈部部分单项的信息流动方式变为双向跨尺度交互方式；

S3、模型训练：采用构建的数据集对适用于异常大米检测的模型进行训练，调整模型参数，直至模型符合检测要求；

S4、采用训练后的适用于异常大米检测的模型进行异常大米检测。

2.根据权利要求1所述的用于异常大米检测的轻量级目标检测方法，其特征在于，所述不同类型的异常大米包括四种类型，分别为破碎的大米、受污染变色的大米、完整可食用的大米以及发霉的大米。

3.根据权利要求2所述的用于异常大米检测的轻量级目标检测方法，其