摘要
针对塑料餐具表面缺陷人工检测效率低和深度学习模型计算量大布置成本高的问题,提出了一种基于YOLOv5 的轻量化检测方法FED-YOLOv5.在YOLOv5 的骨干网络部分引入新型轻量级网络FasterNet,减少参数和计算量;同时添加高效注意力机制ECA,增强网络通道间的信息交流,最后在头部网络用解耦检测头替换耦合检测头,将分类和回归任务解耦,提高模型效率.实验结果表明,改进后的FED-YOLOv5 与YOLOv5s相比参数量和计算量分别减少 59.7％和 63.3％,检测精度达 91.6％,单张图片检测时间仅为4.6 ms,能够用于塑料餐具的外观检测工序,适合在有限计算资源的环境中部署.
基金项目
江苏省家禽智慧养殖与智能装备工程研究中心宿迁学院(2023KF02)
维普
万方数据