基于改进轻量化YOLOv4模型的虾只肉壳辨识方法

摘要：

为实现虾只机械剥壳环节裸肉虾与带壳虾自动分选,该研究提出一种基于改进YOLOv4模型的虾只肉壳辨识方法.将YOLOv4模型中CSP-Darknet53网络替换为GhostNet网络,增强模型自适应特征提取能力及简化模型参数计算量.在YOLOv4主干特征提取网络Resblock模块中引入轻量级注意力机制,增强主干特征提取网络的特征提取能力.将YOLOv4模型中GIoU损失函数替换为CIoU损失函数,提高模型预测框的回归效果.为检测改进效果进行了不同模型对比验证,轻量化结果表明改进YOLOv4模型参数量最少、计算量最小;消融试验表明改进YOLOv4模型的平均精度均值为92.8%,比YOLOv4模型提升了6.1个百分点.不同场景下应用改进YOLOv4模型进行虾只肉壳辨识性能试验.结果表明:同品种不同环境的虾只肉壳辨识总体平均准确率为 95.9%,同品种不同剥壳方式的虾只肉壳辨识准确率平均值为90.4%,不同品种虾只肉壳辨识准确率平均值为87.2%.研究结果可为裸肉虾与带壳虾自动分选提供技术支撑.

关键词：机器视觉、目标检测、虾只、深度学习、YOLOv4

所属期刊栏目：39

分类号：S985.2(水产物运输、保鲜、贮藏、加工、包装)

资助基金：广东省重点领域研发计划项目2021B0202060002

在线出版日期：2023-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：278-286