典型文献
基于YOLOv5的烤烟烟叶散把程度检测算法研究
文献摘要：
为解决烤烟烟叶散把过程中因散把不均匀导致烟叶重叠等问题,提出了一种基于YOLOv5目标检测算法的烟叶散把程度检测方法.通过对原始图像进行预处理构建烟叶散把图像数据集,在原始YOLOv5模型主干网络加入Ghost模块生成冗余特征图,在瓶颈层加入ACIN模块加强网络特征融合,同时利用烟叶松散度来评价散把程度.分别利用改进前后YOLOv5模型进行测试,结果表明:与原始模型相比,改进后YOLOv5模型在未明显增加计算量的前提下,网络参数量减少12.8％,模型大小减小12.4％,平均精确率提升0.2百分点;改进后模型与YOLOv4、Efficientdet-d0、Faster R-CNN等目标检测模型相比,平均精确率、检测速度均为最优且参数量较少.该技术可为提高烤烟烟叶分选速度和精度提供支持.
文献关键词：
烤烟;烟叶散把;目标检测;YOLOv5模型;Ghost模块;ACIN模块
中图分类号：
作者姓名：
余红霞;罗瑞林;云利军;陈载清;张春节
作者机构：
云南师范大学信息学院,昆明市呈贡区聚贤街768号 650500;云南省烟草烟叶公司设备信息科,昆明市经济开发区西邑村182号 650218;云南师范大学云南省光电信息技术重点实验室,昆明市呈贡区聚贤街768号 650500
文献出处：
引用格式：
[1]余红霞;罗瑞林;云利军;陈载清;张春节-.基于YOLOv5的烤烟烟叶散把程度检测算法研究)[J].烟草科技,2022(06):98-105
A类：
烟叶散把,ACIN
B类：
YOLOv5,烤烟,算法研究,目标检测算法,原始图像,图像数据集,主干网络,Ghost,冗余特征,特征图,瓶颈层,网络特征,特征融合,散度,进前,加计,计算量,网络参数,参数量,精确率,百分点,YOLOv4,Efficientdet,d0,Faster,目标检测模型,检测速度,分选速度
AB值：
0.335314
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。
