摘要
小龙虾质量检测是其生产加工中的重要环节,针对当前目标检测模型在不同数据集上存在拟合性能不佳、冗余错误等问题,提出了一种基于改进YOLOv5网络的小龙虾质量检测方法.首先在主干网络采用DP-Conv卷积改进CNN卷积,利用高维过度参数化提高拟合效果和检测速度.其次在残差块Res_unit中嵌入SENet模块加强上下文的语义联系,减少冗余信息的干扰.最后设计一种小龙虾数据采集方法.与3种目标检测算法实验对比,结果表明,改进后的算法检测精度达到97％,速度为60帧/s,模型性能优于其他3种算法,具有高检测精度和高速度的应用效果.
NETL
NSTL
维普
万方数据