河南农业科学 ›› 2024, Vol. 53 ›› Issue (3): 141-150.DOI: 10.15933/j.cnki.1004-3268.2024.03.015
李大华1,2,3,孔舒1,2,3,李栋1,2,3,于晓1,2,3
LI Dahua1,2,3,KONG Shu1,2,3,LI Dong1,2,3,YU Xiao1,2,3
摘要: 针对如何提高苹果表面缺陷的检测速度和精度,解决模型内存占比大的问题,提出一种基于改进YOLOv7的苹果表面缺陷轻量化检测算法。首先引入GhostNetV2作为YOLOv7网络的backbone,有效降低了模型复杂度,提高了检测速度。并引入SimAM无参注意力机制,以强化不同深度的特征信息。使用双向加权特征金字塔结构BiFPN进行加权特征融合,进一步提升苹果表面缺陷的检测精度。最后采用ECIOU损失函数来计算边界框损失,进一步提高模型收敛速度和整体性能。结果表明,改进YOLOv7模型在苹果表面缺陷检测上mAP@0.5较原YOLOv7网络提高2.0百分点,准确率和召回率也分别提升了1.7、3.9百分点,模型减小20.8 MB,速度提升36.43 帧/s。其综合性能也优于SSD、CenterNet等主流算法,可实现对苹果表面缺陷的快速准确诊断。
中图分类号: