基于深度学习的香梨表面腐烂图像识别研究
香梨是新疆特色水果,尤其是香梨由于皮薄,肉质细腻且味甜多汁、入口消融而享誉国内外。在采收、贮藏、运输等环节会受到挤压、碰撞、振动等伤害容易造成香梨表面损伤,香梨表面损伤后易滋生病菌,加速香梨腐败和品质劣变,从而影响香梨的品质,影响果农及相关企业的效益,制约了香梨产业的发展。随着深度学习的快速发展,其在目标检测领域技术越来越成熟,本文以香梨作为研究对象,运用目标检测技术对香梨腐烂进行检测,对香梨相关产业提供一定的技术支持。(1)首先本文采集并标注图像以及建立数据集,对原始数据进行数据增强来增加数据量,提升模型的准确性以及鲁棒性。研究目标检测领域经典算法YOLOv5、SSD在香梨表面腐烂数据集的检测效果,对比香梨表面腐烂检测的平均精确率均值和模型大小,选取综合性能更好的算法作为基础网络。实验结果表明,YOLOv5的平均精确率均值达到97.8%,模型大小为13.7M,最后选取YOLOv5模型作为基础网络,进行后续的改进和优化。(2)其次对YOLOv5算法进行改进。CIoU预测框和真实框的宽高纵横比呈现线性比例时,预测框宽和高就不能同时增加或者减少,导致模型不能很好的收敛,SIoU在CIoU的基础上引入了两个边界框之间的角度信息,比较好的解决了这类问题,本文采用SIoU Loss作损失函数。为了减少计算量,将YOLOv5骨干网络替换为MobileNetV3使模型轻量化。为了提高模型检测精度,将YOLOv5模型中引入注意力机制CBMA,以此提高模型的特征提取能力。(3)最后实验结果表明,在香梨表面腐烂检测中,YOLOv5的平均精确率均值达到97.8%,YOLOv5-MCS的平均精确率均值达到98.5%,相比于原YOLOv5,平均精确率均值提升了0.7%,模型大小也有一定减小,在尽可能减小模型大小的同时有效的提高了模型检测精度。
- 作者:
- 陈辉
- 学位授予单位:
- 塔里木大学
- 授予学位:
- 硕士
- 学位年度:
- 2023年
- 导师姓名:
- 蒋青松
- 中图分类号:
- TP18;TP391.41;S661.2
- 关键词:
- 深度学习;图像识别;香梨;YOLOv5算法
-