摘要
设计了一个基于YOLACT++深度学习算法的槟榔检测模型.针对传送带上采集的槟榔图片分割精度低和预测框不精确造成槟榔分级准确率低的问题.在模型主干网络中引入改进Res2Net模块,改善槟榔掩模分割精度.在模型边界框回归损失中引入CIoU损失函数,提高预测框的检测精度.结果表明,改进模型的掩模mAP相较 YOLACT++、Mask R-CNN、SOLOv2 分别高出 5.20％,4.09％,2.37％.预测框 mAP 相较 YOLACT++、MaskR-CNN分别高出5.41％,4.90％.相较于模型改进前分级准确率提升2.12％.
维普
万方数据