基于改进YOLOv5的碎米检测数据集 |
| |
引用本文: | 刘书婷,牟怿,陈为真.基于改进YOLOv5的碎米检测数据集[J].中国粮油学报,2024,39(4):140-148. |
| |
作者姓名: | 刘书婷 牟怿 陈为真 |
| |
作者单位: | 武汉轻工大学,武汉轻工大学,武汉轻工大学 |
| |
基金项目: | 湖北省教育厅,基于动态数据驱动的粮情智能预测模型研究(B2020061) |
| |
摘 要: | 碎米检测是评估大米品质的重要环节,传统的碎米检测是由人工挑选完成的,这种方式耗时费力,误差率高,而且公开可用的碎米检测数据集并不多。为解决该问题,本文创建了一个大米碎米数据集,该数据集共由2435张图片和对应标签文件组成,其中包含3种类别;并提出了一个改进的YOLOv5碎米检测模型,该模型引入ShuffleNetv2轻量化结构作为特征提取结构,大大减少了模型的参数量,在此基础上,引入了BiFPN结构作为特征融合结构,使用α_IoU作为回归框损失对损失函数进行改进。实验表明,改进之后的模型精度可达98.9%,比原YOLOv5高0.3%,参数量和计算量也比原模型减少了85%以上,其中精度相比于YOLOv3、SSD、RestinaNet、FasterRCNN分别高了0.4%、33.3%、27.9%、27.2%。相关数据集将在https://github.com/THFrag/broken-rice-detection上提供。
|
关 键 词: | 数据集 深度学习 碎米检测 YOLOv5 |
收稿时间: | 2023/4/12 0:00:00 |
修稿时间: | 2023/7/15 0:00:00 |
Broken Rice Detection Dataset Based on Improved YOLOv5 |
| |
Abstract: | |
| |
Keywords: | Datasets Deep learning Broken rice detection YOLOv5 |
|
| 点击此处可从《中国粮油学报》浏览原始摘要信息 |
|
点击此处可从《中国粮油学报》下载全文 |
|