基于改进YOLOv5的茶叶杂质检测算法

黄少华; 梁喜凤

首页> 中文期刊> 《农业工程学报》 >基于改进YOLOv5的茶叶杂质检测算法

基于改进YOLOv5的茶叶杂质检测算法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对现有目标检测算法检测茶叶杂质精度低、速度慢的问题,该研究提出了一种基于改进YOLOv5的茶叶杂质检测算法。采用K-Means聚类算法对杂质真实框聚类,以获取适合茶叶杂质特征的锚框尺寸;通过在主干特征提取网络CSPDarkNet中引入前馈卷积注意力机制(Convolutional Block Attention Module,CBAM),将茶叶杂质输入特征图依次经过通道注意力模块和空间注意力模块,获得特征图通道维度和空间维度的关键特征;在颈部网络中添加空间金字塔池化(Spatial Pyramid Pooling,SPP)模块,融合并提取不同感受野的关键特征信息;将普通卷积替换成深度可分离卷积,增大小目标预测特征图的置信度损失权重,构建了轻量化的改进YOLOv5网络结构模型;分别制作了铁观音茶叶中混合有稻谷、瓜子壳、竹枝和茶梗4种杂质的数据集并进行茶叶杂质检测试验。结果表明,改进的YOLOv5比常规YOLOv5在茶叶杂质检测中具有更高的置信度分数,且定位更为准确,未出现漏检现象。改进YOLOv5的多类别平均精度(Mean Average Precision,m AP)和每秒传输帧数(Frame Per Second,FPS)达到96.05%和62帧/s,均优于主流的目标检测算法,验证了改进算法的高效性和鲁棒性。该研究成果可为提升茶叶制作过程中小目标杂质检测精度与检测速度奠定基础。

著录项

来源
《农业工程学报》 |2022年第17期|329-336|共8页
作者
黄少华; 梁喜凤;
展开▼
作者单位

中国计量大学机电工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类信息处理（信息加工）;
关键词
深度学习; 算法; 目标检测; YOLOv5; 茶叶杂质;

相似文献

中文文献
外文文献
专利

1. 基于Ghost模块的改进YOLOv5目标检测算法 [J] . 李宇翔 ,王帅 ,陈伟 . 现代电子技术 . 2023,第3期
2. 基于改进Yolov5植物病害检测算法研究 [J] . 杨文姬 ,胡文超 ,赵应丁 . 中国农机化学报 . 2023,第1期
3. 基于改进YOLOv5模型的经济林木虫害目标检测算法研究 [J] . 何颖 ,陈丁号 ,彭琳 . 中国农机化学报 . 2022,第4期
4. 基于改进YOLOv5的安全帽佩戴检测算法 [J] . 张锦 ,屈佩琪 ,孙程 . 计算机应用 . 2022,第4期
5. 基于改进YOLOv5的复杂背景红外弱小目标检测算法 [J] . 代牮 ,赵旭 ,李连鹏 . 红外技术 . 2022,第5期
6. 基于改进K-means算法的腹内脂肪自动定量检测算法研究 [C] . Cao Hongji ,曹鸿吉 ,Sheng Bin . 2016中国计算机辅助设计与图形学会大会 . 2016

基于改进YOLOv5的茶叶杂质检测算法

摘要

著录项

相似文献

相关主题

期刊订阅