基于改进YOLOv5s的大米外观品质无损检测模型 |
| |
作者姓名: | 顾海洋 蒋雪松 沈飞 郁鑫智 |
| |
作者单位: | 南京林业大学机械电子工程学院,南京林业大学机械电子工程学院,南京财经大学食品科学与工程学院,南京林业大学机械电子工程学院 |
| |
基金项目: | 国家自然科学(32172306) |
| |
摘 要: | 针对大米在外观品质中需要快速识别需求,提出了一种基于改进YOLOv5s网络的大米外观品质识别模型(CG-YOLOv5)。为提高大米的识别率,文本增加了小目标检测层。其次,为使模型轻量化,用Ghost模块代替YOLOv5s的骨干网络。为进一步提升模型的性能,通过试验研究了不同的注意力机制对模型性能的影响,最终选取CBAM注意力机制加入到YOLOv5s网络中。为直观CBAM注意力机制的效果,对大米图像进行了特征图可视化。试验结果表明修改后的网络的mAP达到了96.5%,相比YOLOv5s网络提升了4.3个百分点。在相同数据集下,与8种主流的检测网络进行对比,并在不同光照情况下的试验结果表明,该方法的检测mAP和检测时间皆优于其它8种检测网络;在检测时间上,该方法的平均检测时间为41ms,相较于YOLOv3快119ms,相较于YOLOv4-tiny快35ms。该方法具有优异的检测精度以及良好的鲁棒性和实时性,可以用于大米品质检测中。
|
关 键 词: | YOLO 目标检测 深度学习 注意力机制 大米外观品质 |
收稿时间: | 2022-10-07 |
修稿时间: | 2023-02-13 |
|
| 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 |
|