基于改进YOLOv5算法的马铃薯表皮缺陷程度检测方法研究

摘要：

马铃薯作为一种产量可观、营养丰富的农作物,已经成为全球不可或缺的食物之一.但恰恰因为其体量庞大的特点在对马铃薯进行分类出售时需要耗费大量的人力和物力以及时间.为了实现对马铃薯品质的自动分类,解放人力物力,提升效率.我们提出了一种基于计算机视觉及改进特征融合YOLOv5s算法的马铃薯表皮缺陷程度检测方法,我们把YOLOv5s的颈部网络中的特征金字塔网络结构替换为加权特征金字塔网络结构,采用这种双向加权特征网络能够更好的提取特征信息,更好的融合特征.并且我们加入了二分K均值聚类算法,该算法的加入极大提升了检测时的收敛速度和精度,并且有效避免了K均值聚类算法因初始聚类点质心选取不适所带来的影响.经过我们的实验表明,本项技术能够对马铃薯表皮检测的正确率达到98％.由此可见,本项基于改进YOLOv5算法的马铃薯表皮缺陷程度检测方法可行性较强,可以用于市场对马铃薯检测分类.

关键词：YOLOv5、马铃薯表皮缺陷检测、改进特征融合、二分K均值聚类算法

分类号：TP183;TP391.4(自动化基础理论)

资助基金：张家口市重点研发计划农业领域技术攻关专项项目2121029C

在线出版日期：2023-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：123-126