典型文献
基于改进单次多目标检测器的果面缺陷冬枣实时检测
文献摘要：
为实现果面缺陷冬枣实时检测,并解决缺陷的尺寸与位置不同影响检测精度的问题,提出一种基于改进单次多目标检测器(Single shot multibox detector,SSD)的果面缺陷冬枣实时检测方法.以陕西大荔冬枣中的虫蛀、轮纹和木质化3种缺陷果和正常果为研究对象,在数据采集设备下采集实际分拣图像,然后通过数据增强由400张扩充至2000张.改进SSD,建立MobileNetV3-SSD模型,为实时检测奠定基础;引入改进感受野块(RFB)可实现模型多尺寸提取冬枣缺陷特征的能力;用空间注意力模块(SAM)代替挤压和激励通道注意力模块(SE)增强模型定位冬枣缺陷特征的能力.试验结果表明,本研究模型在果面缺陷冬枣数据集上的表现均优于目前先进目标检测网络模型(RetinaNet和EfficientDet-D0),该模型对4类冬枣的整体检测精准性(mAP)达到91.89％,检测速度达到1 s 40.85帧.因此本研究模型较好地平衡了实时性和精准性,可应用于果面缺陷冬枣分拣流水线.
文献关键词：
冬枣;果面缺陷;实时检测;单次多目标检测器;多尺寸;空间注意力模型
中图分类号：
作者姓名：
李颀;陈哲豪
作者机构：
陕西科技大学电子信息与人工智能学院,陕西 西安 710021;陕西科技大学电气与控制工程学院,陕西 西安 710021
文献出处：
引用格式：
[1]李颀;陈哲豪-.基于改进单次多目标检测器的果面缺陷冬枣实时检测)[J].江苏农业学报,2022(01):119-128
A类：
单次多目标检测器
B类：
果面缺陷,实时检测,检测精度,Single,shot,multibox,detector,SSD,大荔冬枣,虫蛀,木质化,正常果,备下,分拣,数据增强,MobileNetV3,感受野,RFB,多尺寸,缺陷特征,SAM,通道注意力模块,SE,增强模型,研究模型,目标检测网络,RetinaNet,EfficientDet,D0,精准性,mAP,检测速度,地平,于果,流水线,空间注意力模型
AB值：
0.310905
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。
