基于深度学习的白酒酒花实时分类方法

摘要：

目的:解决白酒传统摘酒方法"看花摘酒"的主观性和不稳定性,以及现有机器视觉酒花分类方法难以满足实时分类的问题.方法:轻量型YOLOv5以YOLOv5 s作为初始模型,使用K-mean聚类的锚框取代默认锚框,以提高模型检测精度和稳定性,使用ShuffleNetV2网络替换YOLOv5 s主干网络进行特征提取,以达到轻量化模型的目的,并增加CBAM注意力机制使模型更加关注酒花特征.结果:与YOLOv5 s初始模型相比,轻量型YOLOv5模型占用内存减少92.5％,参数量减少93.7％,计算量降低63.4％,检测精度提升2.8％,FPS高达526.结论:轻量型YOLOv5降低了对硬件配置的要求,可以很好地实现酒花实时检测分类.

关键词：白酒酒花、实时分类、YOLOv5、ShuffleNetV2、CBAM注意力机制

所属期刊栏目：38

分类号：TP391.41;TP183;TN911.73

资助基金：河北省自然基金研究项目F2018502080

在线出版日期：2023-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：111-116