YOLOv5に基づくキウイフルーツの欠陥のリアルタイム検出アルゴリズム

欠陥検出は、キウイフルーツの出産後再処理において最も重要なステップです。しかし、検出が難しい小さな欠陥がいくつかあります。既存の検出アルゴリズムの精度と速度は、リアルタイム検出の要件を満たすのが難しいです。これらの問題を解決するために、私たちはYOLOv5に基づいた欠陥検出モデルを開発しました。これにより、欠陥を正確かつ迅速に検出できます。本研究の主な貢献は次のとおりです：(1)小さな欠陥を検出するモデルの能力を向上させるために、小さなオブジェクト検出層を追加しました；(2) SELayerを埋め込むことによって異なるチャネルの重要性に注意を払いました；(3)回帰をより正確にするために、損失関数CIoUを導入しました；(4)トレーニングコストを増加させずに、転移学習に基づいてモデルを訓練し、CosineAnnealingアルゴリズムを使用して効果を向上させます。実験の結果、改良されたネットワークYOLOv5-Oursの全体的な性能は、元の主流の検出アルゴリズムよりも優れています。YOLOv5-OursのmAP@0.5は94.7%に達し、元のアルゴリズムと比較して約9%の改善が見られました。私たちのモデルは、単一の画像を検出するのにわずか0.1秒しかかからず、モデルの有効性を証明しています。したがって、YOLOv5-Oursはリアルタイム検出の要件を十分に満たすことができ、キウイの欠陥検出システムに対して堅牢な戦略を提供します。