典型文献
基于YOLO网络的对虾分拣装备设计
文献摘要：
为了准确快速地筛选捕捞鲜对虾中破损虾以及贝类等杂质,将基于Pytorch框架的YOLO网络应用于自主研发的海产品智能分拣装备,进行对虾识别速度和精度的研究,自主创建多样性对虾数据集并进行数据增强,使训练模型具有更高的鲁棒性.YOLO v4、YOLO v5s的查准率、召回率、F1评分、多类别平均精度分别为 94.02％、95.22％、0.95、95.67％和 90.26％、90.47％、0.91、90.67％.YOLO v4、YOLO v5s平均个体的检测速度分别为47.22、30.32 ms.
文献关键词：
对虾;分拣;深度学习;Pytorch;YOLO
中图分类号：
作者姓名：
付凯月;冯怡然;陶学恒
作者机构：
大连工业大学 机械工程与 自动化学院,辽宁 大连 116034;大连工业大学 国家海洋食品工程技术研究中心,辽宁 大连 116034
文献出处：
引用格式：
[1]付凯月;冯怡然;陶学恒-.基于YOLO网络的对虾分拣装备设计)[J].大连工业大学学报,2022(05):379-385
A类：
B类：
YOLO,对虾,装备设计,准确快速,捕捞,贝类,Pytorch,网络应用,海产品,智能分拣,自主创建,数据增强,训练模型,v4,v5s,查准率,召回率,多类别,检测速度,ms
AB值：
0.424797
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
