基于深度学习的蚕茧智能分选方法

作者：姜阔胜; 武松梅^*; 任杰

来源：传感器与微系统, 2023, 42(11): 143-146.

DOI：10.13873/J.1000-9787(2023)11-0143-04

• 深度学习
• YOLOv5
• 缺陷检测
• 蚕茧分选

提出了一种基于改进的YOLOv5模型算法的蚕茧缺陷检测的智能分选方法。首先，搭建视觉测量系统，实时高效采集高分辨率的蚕茧图片。其次，利用空域的方式对样本图像进行特征增强；使用K-means++聚类算法，对本文数据集进行尺度分类，以更好地适应各种目标尺度的检测；此外，对YOLOv5模型检测部分进行修改，使用挤压激励(SE)模型，在前3个特征尺度的特征输出部分中添加该模块，以提高模型的有效特征响应。最后，对检测结果进行对比。实验结果表明：改进后的方法对特征检测的平均精度均值(mAP)提高了5.5%,其缺陷的检测精度为96.6%、检测速率为43 fps,能够实现对蚕茧缺陷的精确检测，实现蚕茧的高效精确智能分选。

• 单位
  安徽职业技术学院; 安徽理工大学