首页> 中文期刊> 《塔里木大学学报》 >改进多目标检测器的骏枣外观品质实时检测

改进多目标检测器的骏枣外观品质实时检测

         

摘要

骏枣外观的品质检测对其提升经济价值,实现优质优价起着至关重要的作用。为实现骏枣快速、多数量实时检测,并解决表面皱褶和缺陷尺度不同的问题,本研究在YOLOv5模型的基础上进行改进,提出了Ghost-YOLOv5-BiFPN模型。根据骏枣数据集目标大小特点,采用K-means++算法生成骏枣数据集先验框,提高聚类速度。利用Ghost模块替换传统卷积,减少模型参数量和计算量,应用双向特征金字塔网络进行多尺度特征融合,更好识别骏枣缺陷部分。结果表明,改进后的Ghost-YOLOv5-BiFPN模型的平均精度达到93.4%,低算力设备检测速度为37 ms,改进后的模型能更好地平衡准确性和实时性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号