10.13718/j.cnki.xsxb.2023.08.011
基于改进YOLOv5的鸽子蛋壳破损检测
破损鸽蛋检测是鸽蛋分拣过程中最重要的步骤之一.为解决破损鸽蛋实时检测问题,提出一种改进YOLOv5的破损鸽蛋检测方法.首先,为解决鸽蛋细微裂纹检测难的问题,采用Kmeans聚类算法计算细微裂纹锚框适应度,在head模块增加Anchor值为[7,9,13,8,9,12]的检测层,从而提高细微裂纹图像的特征提取能力;其次,为解决裂纹特征权重较低的问题,采用融合反向最大池化层的注意力机制,将色值权重提高,从而增强裂纹特征的权重;再次,为解决检测模型负向梯度消失问题,采用Hardswish激活函数的全连接层替换ReLU激活函数的全连接层,解决输入为负时存在的神经元坏死问题,确保神经网络误差正常反馈.最后,基于改进YOLOv5方法建立鸽蛋裂纹识别模型,采用7:2:1交叉验证方法对模型进行验证.经对比验证,改进YOLOv5模型的检测效果有明显提升,其准确率、召回率和平均精度分别达到98%,97.3%和98.3%,比原始YOLOv5模型分别提高了 14.8%,6.2%和3.4%,检测速度大约为111帧/s,且模型大小仅为4.6 Mb,为鸽蛋破损检测提供了一种新方法.
鸽子蛋、YOLOv5、裂纹检测、Hardswish、最大池化层
48
TP181(自动化基础理论)
广东省重点领域研发计划项目;广东省重点领域研发计划项目;国家自然科学基金;广州市重点研发计划项目;广州市重点研发计划项目;广州市重点研发计划项目;广东省教育厅乡村振兴重点领域专项;广东省自然科学基金项目;广东省自然科学基金项目;广东省教育厅创新强校特色创新项目;广东省省级科技计划项目;广东省现代农业产业技术体系创新团队建设专项;广东省现代农业产业技术体系创新团队建设专项
2023-07-21(万方平台首次上网日期,不代表论文的发表时间)
共11页
92-102