基于改进YOLOv7的苹果表面缺陷轻量化检测算法
李大华
孔舒
李栋
于晓
天津理工大学 电气工程与自动化学院,天津 300384;天津市新能源电力变换传输与智能控制重点实验室,天津 300384;天津市复杂系统控制理论及应用重点实验室,天津 300384
摘要：针对如何提高苹果表面缺陷的检测速度和精度,解决模型内存占比大的问题,提出一种基于改进YOLOv7的苹果表面缺陷轻量化检测算法.首先引入GhostNetV2作为YOLOv7网络的backbone,有效降低了模型复杂度,提高了检测速度.并引入SimAM无参注意力机制,以强化不同深度的特征信息.使用双向加权特征金字塔结构BiFPN进行加权特征融合,进一步提升苹果表面缺陷的检测精度.最后采用ECIOU损失函数来计算边界框损失,进一步提高模型收敛速度和整体性能.结果表明,改进YOLOv7模型在苹果表面缺陷检测上mAP@0.5较原YOLOv7网络提高2.0百分点,准确率和召回率也分别提升了1.7、3.9百分点,模型减小20.8 MB,速度提升36.43 帧/s.其综合性能也优于SSD、CenterNet等主流算法,可实现对苹果表面缺陷的快速准确诊断.
关键词：苹果表面缺陷YOLOv7GhostNetV2注意力机制BiFPNECIOU
分类号：S126(农业物理学)TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61502340)天津市自然科学基金(18JCQNJC01000)天津理工大学教学基金项目(YB20-05)天津市复杂系统控制理论与应用重点实验室开放基金项目(TJKL-CATCS-201907)
论文发表日期：2024-03-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 141-150 )
英文信息