典型文献
基于改进YOLOv3网络的烟梗识别定位方法
文献摘要：
目的:实现烟叶分级流程烟梗部位的智能抓取,防止智能烟叶分级系统中机械手在抓取烟叶时对叶面造成损伤,减少烟叶智能分级设备生产中的人为操作,解决烟叶分级系统中的单片烟叶识别分类问题与对应等级单片烟叶存放问题.方法:提出一种基于改进YOLOv3的卷积神经网络烟梗自动识别定位模型.该模型在原有的YOLOv3的基础模型上改变单元模块结构引入注意力机制模块,优化模型参数,使用Swish激活函数,实现了对烟叶图像全部信息进行目标定位识别,构建烟梗目标检测模型.结果:改进后的YOLOv3模型的loss能更快的收敛,其mAP由90.46％提升为97.48％,准确率由95.33％提升为97.35％,回归率由84.65％提升为95.65％,为后续烟叶自动化分类打下基础.结论:与YOLOv3、Faster-rcnn、YOLOv4、Efficientdet算法作对比分析表明试验提出的算法更加轻量化,识别效果更好,能减少对烟梗试验平台的硬件配置要求,提高烟叶分类系统的经济效益,为烟叶分级系统中烟叶上料与分仓提供准确的位置信息.
文献关键词：
烟梗;识别定位;改进YOLOv3;卷积神经网络;注意力机制;Swish激活函数
中图分类号：
作者姓名：
刘新宇;郝同盟;张红涛;逯芯妍
作者机构：
华北水利水电大学电力学院,河南郑州 450011
文献出处：
引用格式：
[1]刘新宇;郝同盟;张红涛;逯芯妍-.基于改进YOLOv3网络的烟梗识别定位方法)[J].食品与机械,2022(03):103-109
A类：
B类：
YOLOv3,烟梗,识别定位,定位方法,烟叶分级,智能抓取,机械手,叶面,智能分级,分级设备,单片,片烟,识别分类,分类问题,存放,自动识别,定位模型,基础模型,单元模块,块结构,注意力机制模块,Swish,激活函数,目标定位,定位识别,目标检测模型,loss,mAP,打下基础,Faster,rcnn,YOLOv4,Efficientdet,试验平台,硬件配置,分类系统,上料,分仓,位置信息
AB值：
0.398855
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。
