文献类型：期刊文章

作　　者：杨航[1] 何皓明[1] 李滕科[1] 王嘉雯[1] 吴霆[1] 钟乐[1] 邹娟[1] 杨灵[1]

YANG Hang;HE Haoming;LI Tengke;WANG Jiawen;WU Ting;ZHONG Le;ZOU Juan;YANG Ling(School of Information Science and Technology,Zhongkai University of Agriculture and Engineering/Guangdong Provincial Food Safety Traceability and Control Engineering Technology Research Center,Guangzhou 510225,China)

机构地区：[1]仲恺农业工程学院信息科学与技术学院/广东省食品安全溯源与控制工程技术研究中心,广州510225

出　　处：《西南师范大学学报（自然科学版）》

基　　金：广东省重点领域研发计划项目(2021B0202030001,2019B020215001);国家自然科学基金项目(31872606);广州市重点研发计划项目(202103000067,201803020033,202002030154);广东省教育厅乡村振兴重点领域专项(2020ZDZX1060);广东省自然科学基金(2018A0303130034,2020A1515010834);广东省教育厅创新强校特色创新项目(2018KTSCX096);广东省省级科技计划项目(2017A020225042);广东省现代农业产业技术体系创新团队建设专项(2019KJ141,2020KJ138).

年　　份：2023

卷　　号：48

期　　号：8

起止页码：92-102

语　　种：中文

收录情况：CAS、JST、RCCSE、ZGKJHX、普通刊

摘　　要：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4.6Mb,为鸽蛋破损检测提供了一种新方法.

关 键 词：鸽子蛋  YOLOv5  裂纹检测  Hardswish  最大池化层  

分 类 号：TP181]