基于改進(jìn)YOLOv5n的腐敗水果檢測模型
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>4660 K
標(biāo)簽： 腐敗水果 MobileNetV3 深度可分離卷積
所需積分：0分積分不夠怎么辦？
文檔介紹：為了實(shí)現(xiàn)多種水果在采摘后自動化篩選和分揀中腐敗水果識別的問題,，提出了改進(jìn)的YOLOv5n模型,，命名為mobile-YOLO。首先將YOLOv5n的主干網(wǎng)絡(luò)替換為MobileNetV3并引入深度可分離卷積,，相較于原模型,，這種改進(jìn)在計算效率和速度上都有所提升，并且準(zhǔn)確率也得到了提高,。為了進(jìn)一步提升速度,，將C3模塊替換為C2f模塊，實(shí)現(xiàn)輕量化的同時獲得了更豐富的梯度流信息,。最后將原有的CIoU替換為α-CIoU,，以加快收斂速度并保證圖像框位置的準(zhǔn)確性。mobile-YOLO相較于原始的YOLOv5n,，[email protected]（mean Average Precision）達(dá)到了98.1%,，[email protected]：.95達(dá)到了94.2%，同時在P（Precision）值為97.1%和R（Recall）值為96.8%的情況下,，參數(shù)量幾乎與YOLOv5n保持一致,。此外，計算量下降至3.7 GFLO/s,，實(shí)現(xiàn)了實(shí)時高精度的腐敗水果檢測,。同時，在CPU,、NVIDIA Jetson Nano和NVIDIA Jetson Xavier NX等設(shè)備上部署測試,，幀率檢測結(jié)果分別為20 F/s、38 F/s和76 F/s,，滿足在邊緣設(shè)備上進(jìn)行實(shí)時檢測的需求,，驗證了提出的mobile-YOLO模型在腐敗水果分揀識別方面具有較強(qiáng)的實(shí)用性。
現(xiàn)在下載
VIP會員,，AET專家下載不扣分,；重復(fù)下載不扣分,，本人上傳資源不扣分。