文档名：基于深度学习的蚕茧智能分选方法
摘要：提出了一种基于改进的YOLOv5模型算法的蚕茧缺陷检测的智能分选方法.首先,搭建视觉测量系统,实时高效采集高分辨率的蚕茧图片.其次,利用空域的方式对样本图像进行特征增强;使用K-means++聚类算法,对本文数据集进行尺度分类,以更好地适应各种目标尺度的检测;此外,对YOLOv5模型检测部分进行修改,使用挤压激励(SE)模型,在前3个特征尺度的特征输出部分中添加该模块,以提高模型的有效特征响应.最后,对检测结果进行对比.实验结果表明:改进后的方法对特征检测的平均精度均值(mAP)提高了5.5％,其缺陷的检测精度为96.6％、检测速率为43fps,能够实现对蚕茧缺陷的精确检测,实现蚕茧的高效精确智能分选.
作者：姜阔胜 武松梅 任杰 Author：JIANGKuosheng WUSongmei RENJie
作者单位：安徽理工大学机械工程学院,安徽淮南232001安徽职业技术学院现代服装学院,安徽合肥230011
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(11)
分类号：TP391
关键词：深度学习 YOLOv5 缺陷检测 蚕茧分选
Keywords：deeplearning YOLOv5 defectdetection cocoonsorting
机标分类号：TP391.41TP181TN912.34
在线出版日期：2023年12月4日
基金项目：安徽省高校科学研究项目，国家重点研发计划，安徽省高校科学研究项目，安徽省教育厅省级质量工程纺织品设计教学团队基于深度学习的蚕茧智能分选方法[
期刊论文] 传感器与微系统--2023, 42(11)姜阔胜 武松梅 任杰提出了一种基于改进的YOLOv5模型算法的蚕茧缺陷检测的智能分选方法.首先,搭建视觉测量系统,实时高效采集高分辨率的蚕茧图片.其次,利用空域的方式对样本图像进行特征增强;使用K-means++聚类算法,对本文数据集进行尺度分...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于深度学习的蚕茧智能分选方法 Cocoon intelligent sorting method based on deep learning
基于深度学习的蚕茧智能分选方法.pdf
- 文件大小:
- 1.48 MB
- 下载次数:
- 60
-
高速下载
|
|
