基干YOLOv5的咖啡暇疵豆检测方法

摘要：

目的:实现咖啡豆瑕疵检测.方法:提出一种基于改进YOLOv5 s网络,以YOLOv5 s为基线网络嵌入并优选不同的注意力机制模块与激活函数.结果:使用CBAM模块与激活函数Hardswish的平均精度均值相比基线网络分别提高了5.3％和2.9％.经过200次迭代训练,模型准确率为99.5％,平均精度均值为97.6％,召回率为0.98,识别速率为64幅/s,模型大小为15 M.结论:相比于Faster RCNN、SSD、YOLOv3、YOLOv4、YOLOv5 s,试验算法识别准确率更高,模型更加轻量化,对咖啡瑕疵豆的识别效果更好.

关键词：深度学习、瑕疵检测、注意力机制、激活函数、瑕疵豆、咖啡

所属期刊栏目：39

分类号：TP391;TS207.3;TP183

资助基金：云南省重大科技专项计划项目202002AE090010

在线出版日期：2023-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：50-56,175