摘要
水果蔬菜在我国日常生活中有着必不可少的重要地位，同时我国的果蔬产销量也在逐年增加。近年来，随着人们的生活节奏变得越来越快，在许多大型超市里都配备了自助结账机以适应人们的快节奏消费。但是在部分果蔬专区，依然存在有大量顾客在排队称重结算的情况出现。因此，消费者们希望超市和农贸市场能找到办法去改变这种现状，提高他们的在购买果蔬时的消费体验及效率。在果蔬专区虽然也有一些分类分级的操作但是大多都在人工下进行，这种方式虽然成本低廉但是却违背了智能化解放生产力的目标，同时也产生了诸多不可避免的缺点：没有统一的标准和类别判定等，这些大多是根据个人的经验和瞬间判断的结果，其结果必然是因人而异，同时还会受到工作人员的个人情绪以及疲劳程度等因素的影响，难免会对商品产生错误判断。超市之中的果蔬类别繁多，形态也各不相同，移动端的工具要的对果蔬类商品进行精准迅速的识别，以减少客户排队等待商品的结算付款等情况，这样就能够达到提高客户消费体验的目标。本文对YOLOv5目标检测算法进行了研究，并设计实现了安卓端轻量化果蔬识别算法。 本文的主要工作内容如下： 1．本文采用了深度学习YOLOv5算法进行研究，建立具有包装袋遮挡条件下的果蔬数据集，使用改进后的模型对数据集进行实验，并对试验结果进行分析。 2．对YOLOv5目标检测算法进行了改进。针对原始YOLOv5网络的特征提取网络计算复杂，参数量较大的问题，本文将特征提取网络替换为轻量级的ghostnet网络，在主干网络添加ECA注意力机制，减少了模型的计算量，同时提升了模型检测的精准度。 3．对改进后的算法实现安卓移动端端部署，并对移动端应用进行识别测试，对测试结果进行分析，证明该算法对常见果蔬类目标识别结果较好。
NETL