基于改進(jìn)YOLOv5n的腐敗水果檢測(cè)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(dòng)化篩選和分揀中腐敗水果識(shí)別的問(wèn)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(jì)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(shí)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，mAP@.5（mean Average Precision）達(dá)到了98.1%，mAP@.5：.95達(dá)到了94.2%，同時(shí)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(jì)算量下降至3.7 GFLO/s，實(shí)現(xiàn)了實(shí)時(shí)高精度的腐敗水果檢測(cè)。同時(shí)，在CPU、NVIDIA Jetson Nano和NVIDIA Jetson Xavier NX等設(shè)備上部署測(cè)試，幀率檢測(cè)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(shí)檢測(cè)的需求，驗(yàn)證了提出的mobile-YOLO模型在腐敗水果分揀識(shí)別方面具有較強(qiáng)的實(shí)用性。
現(xiàn)在下載
VIP會(huì)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。