基于YOLO-FFD的水果品种和新鲜度识别方法

作     者：鄢紫 陈良艳 刘卫华 赖华清 叶胜 YAN Zi;CHEN Liangyan;LIU Weihua;LAI Huaqing;YE Sheng

作者机构：武汉轻工大学电气与电子工程学院湖北武汉430023 

基　　金：湖北省高校优秀中青年科技创新团队项目(编号:T2021009) 

出 版 物：《食品与机械》 (Food and Machinery)

年 卷 期：2024年第40卷第1期

页      码：115-121页

摘      要：目的:改善现有水果识别与分级方法依赖于人工操作和复杂设备的情况。方法:提出了一种轻量化模型YOLO-FFD(YOLO with fruit and freshen detection),该模型以YOLOv5框架为基础,基于深度可分离卷积和GELU激活函数设计轻量化模块LightweightC3作为主干特征提取网络的基本单元,减少模型参数量和计算量,加快模型的收敛速度;使用大内核深度可分离卷积模块EnhancedC3改进原模型的颈部,抑制信息丢失并增强模型的特征融合能力,提高模型的检测精度;采用GSConv代替特征融合网络中的普通卷积,使模型进一步轻量化。结果:提出模型的平均精度均值达到了96.12%,在RTX 3090上速度为172帧/s,在嵌入式设备Jetson TX2上速度为20帧/s。相比于原始YOLOv5模型,平均精度均值提高了2.21%,计算量减少了26%,在RTX 3090和Jetson TX2上的速度分别提高了2倍和1倍。结论:YOLO-FFD模型能够满足识别水果品种和新鲜度的需求,且在复杂场景下错检、漏检情况均有改善。

主 题 词：水果 新鲜度 品种识别 轻量化 深度学习 目标检测 

学科分类：0832[0832] 08[工学] 080203[080203] 0802[工学-机械学] 083203[083203] 

D　O　I：10.13652/j.spjx.1003.5788.2023.80432

馆 藏 号：203125750...