基于改进YOLOv5n的腐败水果检测模型

• 全文链接
• 请求原文

作   者：

彭靖翔;  张荣芬;  刘宇红; 

作者机构：

贵州大学大数据与信息工程学院; 

关键词：

YOLOv5n;  腐败水果;  边缘设备;  MobileNetV3;  深度可分离卷积; 

期刊名称：

电子技术应用

i s s n：

0258-7998

年卷期：

2024 年 50 卷 012 期

页   码：

55-60

摘   要：

为了实现多种水果在采摘后自动化筛选和分拣中腐败水果识别的问题,提出了改进的YOLOv5n模型,命名为mobile-YOL O.首先将YOLOv5n的主干网络替换为MobileNetV3并引入深度可分离卷积,相较于原模型,这种改进在计算效率和速度上都有所提升,并且准确率也得到了提高.为了进一步提升速度,将C3模块替换为C2f模块,实现轻量化的同时获得了更丰富的梯度流信息.最后将原有的CIoU替换为α-CIoU,以加快收敛速度并保证图像框位置的准确性.mobile-YOLO 相较于原始的 YOLOv5n,mAP@.5(mean Average Precision)达到了98.1%,mAP@.5:.95达到了 94.2%,同时在P(Precision)值为97.1%和R(Recall)值为96.8%的情况下,参数量几乎与YO-LOv5n保持一致.此外,计算量下降至3.7 GFLO/s,实现了实时高精度的腐败水果检测.同时,在CPU、NVIDIA Jet-son Nano和NVIDIA Jetson Xavier NX等设备上部署测试,帧率检测结果分别为20 F/s、38 F/s和76 F/s,满足在边缘设备上进行实时检测的需求,验证了提出的mobile-YOLO模型在腐败水果分拣识别方面具有较强的实用性.