典型文献
基于深度学习的白酒酒花实时分类方法
文献摘要：
目的:解决白酒传统摘酒方法"看花摘酒"的主观性和不稳定性,以及现有机器视觉酒花分类方法难以满足实时分类的问题.方法:轻量型YOLOv5以YOLOv5 s作为初始模型,使用K-mean聚类的锚框取代默认锚框,以提高模型检测精度和稳定性,使用ShuffleNetV2网络替换YOLOv5 s主干网络进行特征提取,以达到轻量化模型的目的,并增加CBAM注意力机制使模型更加关注酒花特征.结果:与YOLOv5 s初始模型相比,轻量型YOLOv5模型占用内存减少92.5％,参数量减少93.7％,计算量降低63.4％,检测精度提升2.8％,FPS高达526.结论:轻量型YOLOv5降低了对硬件配置的要求,可以很好地实现酒花实时检测分类.
文献关键词：
白酒酒花;实时分类;YOLOv5;ShuffleNetV2;CBAM注意力机制
中图分类号：
作者姓名：
刘智萍;崔克彬
作者机构：
华北电力大学计算机系,河北 保定 071003
文献出处：
引用格式：
[1]刘智萍;崔克彬-.基于深度学习的白酒酒花实时分类方法)[J].食品与机械,2022(11):111-116
A类：
白酒酒花,看花摘酒
B类：
实时分类,分类方法,主观性,机器视觉,轻量型,YOLOv5,初始模型,mean,锚框,默认,模型检测,检测精度,ShuffleNetV2,主干网络,轻量化模型,CBAM,注意力机制,参数量,计算量,精度提升,FPS,硬件配置,实时检测,检测分类
AB值：
0.292203
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。
