基于YOLO网络的对虾分拣装备设计

作者：付凯月; 冯怡然; 陶学恒^*

来源：大连工业大学学报, 2022, 41(05): 379-385.

DOI：10.19670/j.cnki.dlgydxxb.2022.0512

• 对虾
• 分拣
• 深度学习
• Pytorch
• YOLO

为了准确快速地筛选捕捞鲜对虾中破损虾以及贝类等杂质，将基于Pytorch框架的YOLO网络应用于自主研发的海产品智能分拣装备，进行对虾识别速度和精度的研究，自主创建多样性对虾数据集并进行数据增强，使训练模型具有更高的鲁棒性。YOLO v4、YOLO v5s的查准率、召回率、F1评分、多类别平均精度分别为94.02%、95.22%、0.95、95.67%和90.26%、90.47%、0.91、90.67%。YOLO v4、YOLO v5s平均个体的检测速度分别为47.22、30.32 ms。

• 单位
  自动化学院; 大连工业大学