基于改进YOLOv5的棉花异纤检测方法

作者：潘杨; 张守京^*; 杨文彬

来源：棉纺织技术, 2022, 50(10): 37-43.

• 棉花异纤
• YOLOv5
• 卷积注意力
• 深度可分离卷积
• 深度学习

针对棉花异纤检测中小尺寸、浅色透明棉花异纤的误检、漏检问题，设计了一种基于深度学习技术的棉花异纤检测方法。根据棉花异纤种类繁多、尺寸小、背景复杂等特点，提出一种嵌入卷积注意力模块，引入深度可分离卷积，并增加了针对小尺寸棉花异纤检测层的YOLOv5棉花异纤检测模型。试验结果表明：改进后的模型mAP@0.5值与mAP@0.5∶0.95值分别达到0.981 0、0.773，且收敛速度更快、误差更小，对棉花背景和异纤的分辨能力得到提高。认为：改进的YOLOv5模型具有较高的检测精度，更适用于棉花异纤检测任务。

• 单位
  西安工程大学