技術(shù)特征：

1.一種基于msfe-yolo的禽類種蛋外殼缺陷檢測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于msfe-yolo的禽類種蛋外殼缺陷檢測方法，其特征在于，所述步驟1具體為：利用攜帶環(huán)形lcd光源模組的高清相機獲取高質(zhì)量禽類種蛋外殼缺陷圖像，調(diào)整高清相機位姿，使高清相機的光軸與光源入射角呈諾曼系數(shù)關(guān)系，規(guī)避鏡面反射。

3.根據(jù)權(quán)利要求1所述的一種基于msfe-yolo的禽類種蛋外殼缺陷檢測方法，其特征在于，所述步驟2中預(yù)處理包括幾何校正、去噪和均衡，具體過程為：首先對禽類種蛋外殼缺陷圖像進行幾何校正，以消除拍攝角度導致的形變；其次采用高斯濾波或中值濾波進行去噪處理，減少高頻噪聲對改進msfe-yolo網(wǎng)絡(luò)模型學習的干擾；最后將禽類種蛋外殼缺陷圖像統(tǒng)一縮放至改進msfe-yolo網(wǎng)絡(luò)模型的輸入尺寸，并進行歸一化處理。

4.根據(jù)權(quán)利要求1所述的一種基于msfe-yolo的禽類種蛋外殼缺陷檢測方法，其特征在于，所述步驟3中第一c2f-adem、第二c2f-adem、第三c2f-adem和第四c2f-adem的模塊結(jié)構(gòu)相同，均是將輸入特征通過1×1cbs卷積層，隨后將輸出特征在通道維度上分割為兩部分，其中一部分經(jīng)過adem模塊，另一部分保持原有特征，隨后將兩條分支輸出結(jié)果在通道維度上進行拼接，最后通過1×1cbs卷積層后輸出特征。

5.根據(jù)權(quán)利要求4所述的一種基于msfe-yolo的禽類種蛋外殼缺陷檢測方法，其特征在于，所述adem模塊將輸入特征首先輸入條件卷積，隨后通過通道分割為兩部分，其中一部分通過細節(jié)增強卷積和逐點卷積，隨后與另一部分直接在特征維度進行特征拼接，最后通過通道混洗后輸出特征。

6.根據(jù)權(quán)利要求1所述的一種基于msfe-yolo的禽類種蛋外殼缺陷檢測方法，其特征在于，所述步驟3中檢測頭采用anchor-free檢測機制，由三個檢測頭分別在三個不同尺度的特征圖上進行檢測，輸出五個物理量：預(yù)測類別、預(yù)測框中心點x、y坐標、預(yù)測框的寬和高。

7.根據(jù)權(quán)利要求1所述的一種基于msfe-yolo的禽類種蛋外殼缺陷檢測方法，其特征在于，所述步驟3中將禽類種蛋外殼缺陷數(shù)據(jù)集按照7:2:1的比例劃分為訓練集、驗證集以及測試集，輸入到改進msfe-yolo網(wǎng)絡(luò)模型中進行訓練。

8.根據(jù)權(quán)利要求6所述的一種基于msfe-yolo的禽類種蛋外殼缺陷檢測方法，其特征在于，所述步驟3中損失函數(shù)包括分類損失函數(shù)、邊界框損失函數(shù)以及置信度損失函數(shù)三部分；

9.一種基于msfe-yolo的禽類種蛋外殼缺陷檢測系統(tǒng)，其特征在于，該系統(tǒng)包括：

技術(shù)總結(jié)
本申請屬于缺陷檢測技術(shù)領(lǐng)域，公開了一種基于MSFE?YOLO的禽類種蛋外殼缺陷檢測方法及系統(tǒng)，通過圖像采集、光照增強、數(shù)據(jù)傳輸以及缺陷檢測構(gòu)成完整的檢測系統(tǒng)，實現(xiàn)從圖像獲取到缺陷識別的一體化檢測，在種蛋外殼缺陷檢測應(yīng)用中可有效代替現(xiàn)有的人工檢測方法，提高種蛋質(zhì)量篩選的自動化水平；同時改進MSFE?YOLO網(wǎng)絡(luò)模型中的ADEM模塊降低了通道維數(shù)，加強對高頻特征的關(guān)注，其次基于PAN?FPN架構(gòu)調(diào)整特征融合網(wǎng)絡(luò)，增加對淺層特征的關(guān)注，同時引入大尺度卷積核增強對目標上下文信息的關(guān)注，最后通過引入可調(diào)參數(shù)N，實現(xiàn)對IoU的針對性調(diào)整，以適應(yīng)不同檢測任務(wù)的需求，在檢測精度與計算開銷之間取得了較好的平衡。

技術(shù)研發(fā)人員：陳林,何昕澤,肖劍,史洪瑋,胡欣,楊小苑,崔宇婷,孫永杰,杜凱,陳丹,張贊
受保護的技術(shù)使用者：長安大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/8/28