一种基于轻量版YOLOv5s的水果检测方法

摘要：

针对无人水果售货系统中,水果检测速度慢、识别率低的问题,提出一种基于轻量版YOLOv5s的检测方法.首先,将YOLOv5s的主干网络替换为轻量化网络Shufflenetv2,简化模型结构的同时提升检测速度;其次,在主干网络中添加注意力机制,增强模型对不同通道的注意力,提高算法的语义特征信息提取能力;最后,使用双向特征金字塔网络BiFPN筛选特征,提高网络对不同尺度信息的识别精度.实验结果表明,改进算法在检测精度和速度方面优于主流目标检测算法 Faster R-CNN、SSD、YOLOv7-tiny、YOLOv3、YOLOv4 以及原模型 YOLOv5 s.该方法在 TI Sitara平台上实际测试的检测速率为23帧/s,平均精度均值为89％,能够满足无人水果售货系统对商品检测精度和实时性的要求.

关键词：YOLOv5s、注意力机制、无人售货、Shufflenetv2、水果检测

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：科技创新新一代人工智能重大项目;北京市教委科研计划科技一般项目

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：19-25