基于MobileNet_SSD和树莓派的栗实象目标检测系统设计

脑瓜子嗡嗡的小刘炼丹实验之路（paper）： Design of the chestnut image target recognition system based on MobileNet_SSD and Raspberry Pi

    本项目以湘潭市金湖良种板栗培育场捕捉和培育的栗实象成幼虫为研究对象，探索深度学习在栗实象目标识别与检测中的应用与技术支持。
    使用关键技术： MobileNet-SSD；树莓派；深度学习；栗实象；嵌入式；
    板栗是我国种植范围最广的一种淀粉质坚果，多生于低山丘陵缓坡及河滩地带，虫害多，其中，蛀果类害虫有栗实象（又名：栗实象甲。）、桃蛀螟等。而对板栗危害最大、最易滋生的是栗实象,其危害率为25%-40%，有的地方高达87.2%以上 ,被害果实丧失食用和经济价值。
   栗实象虫体小成条状，成虫体长6.5~9 mm，老熟幼虫体长8.5~11.8 mm，目标小。传统机器学习法对目标检测主要依赖颜色、纹理等底、中层特征，适宜特征明显，背景简单等特定场景，这一点显然不适用栗实象的检测。
   为此，本文基于SSD结合轻量级 MobileNet 深度可分离卷积网络，构建一种能部署到树莓派上的栗实象目标检测的轻量级推理网络来对栗实象开展实时检测，以便于栗农及时掌握该虫害发生的严重程度并采取针对性措施去防治，提高板栗的产量。

1 栗实象智能检测系统设计
1.1 硬件系统总体设计方案
   本系统的硬件主要包括：移动通信终端、控制器、电源、数据采集摄像头、定位系统和车体驱动电路等几个部分。缺点：传输距离有限，应该采用5G or 4G 进行图传。

   图1 系统结构框架图 1.2.2 电源电路设计

图2 电源电路设计 2栗实象目标检测与统计方法

图3 栗实象目标检测与识别流程图 2.1部分预处理

图4 部分预处理 2.2 模型识别

图5 目标检测test
2.3 图像分割（mask） 图6 mask
3 板栗种植园栗实象虫害发生率函数模型

   栗实象虫害发生率函数模型建立方法为：在板栗种植园内随机选取面积均为Am^2的阳坡、阴坡、山顶、山谷4块图像数据采集区a1-a4，每个采集区随机采集相同数量的测试图像数据，并按采集区分别对所采集图像进行栗实象目标检测。

公式：虫害性能评价指标(总数)

   本文把MobileNet_SSD与树莓派相结合来对成虫羽化、幼虫老熟蛀圆孔脱出阶段栗实象目标进行在线检测与识别。为提高栗实象目标检测的准确率和速度。利用迁移学习法在训练集上对MobileNet_SSD网络模型进行训练，最后把训练好的模型部署到树莓派4B上并构建板栗种植园栗实象虫害计数与发生率函数，根据该函数可估测出整块板栗种植园内的栗实象总数及单位面积栗实象的平均发虫率。
   本实验还存在着许多不足点，有待改进——emmmm！有时间一定改！

————————————————————————

    脑瓜子嗡嗡的小刘，现在为china mobile 中的一员。小刘会用自己脑瓜子嗡嗡的脑子给大家介绍中国移动AI LAB的使用方法，以及好玩的项目。要是大哥们有什么问题，可以随时Call me，希望能和大哥们共同进步！！！也希望大哥们看文章的时候也能抽空点个赞，同时中国移动这个big family 也欢迎大哥们的加入！(づ￣ 3￣)づ

——————————THE END——————————