如需要完整文档点击下方 "点击下载文档" 按钮

目的 针对传统的基于人工的腌制蔬菜真空缺陷包装剔除效率低、漏检率高等问题，提出一种基于改进YOLOv5s的腌制蔬菜真空包装缺陷检测方法。方法 首先，使用Ghost卷积替换CSP模块中的卷积，在提高模型特征提取能力的同时降低网络的参数量;其次，利用空间换深度(Space-to-Depth, SPD)和深度可分离卷积(Depthwise-Separable Convolution, DSConv)组合操作SPD–DSConv进行下采样，减少下采样造成的特征信息损耗;最后，在网络中引入SE注意力机制，提高算法的精确率。结果 在自制的腌制蔬菜真空包装数据集上，改进后的网络平均精度(man Average Precision, AmAP)为93.88%，模型尺寸为3.91 MB，相比原网络精度提高了2.05%，模型尺寸缩减了44.38%。结论 文中方法能够实现腌制蔬菜真空缺陷包装的分类和定位，为基于机器人的缺陷包装剔除奠定了基础。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于改进YOLOv5s的腌制蔬菜真空包装缺陷检测》

将 完整文档 下载到本地，方便收藏和查阅

文件号：228487

点击下载文档