第３８卷第４期湖北工业大学学报２０２３年０８月Vol．３８No．４JournalofHubeiUniversityofTechnologyAug．２０２３[收稿日期]２０２２０３３０[第一作者]鲁濠(１９９９－),男,湖北黄冈人,湖北工业大学硕士研究生,研究方向为自动化与图像处理.[通信作者]张子蓬(１９６８－),男,山东武城人,工学博士,湖北工业大学副教授,研究方向为机器视觉与机器人优化算法.[文章编号]１００３－４６８４(２０２３)０４Ｇ００７６Ｇ０６基于改进YOLOv５的小龙虾品质检测方法鲁濠１,王淑青１,鲁东林１,张子蓬２,汤璐１(１湖北工业大学电气与电子工程学院,湖北武汉４３００６８;２武汉奋进智能机器有限公司,湖北武汉４３００７４)[摘要]小龙虾质量检测是其生产加工中的重要环节,针对当前目标检测模型在不同数据集上存在拟合性能不佳、冗余错误等问题,提出了一种基于改进YOLOv５网络的小龙虾质量检测方法.首先在主干网络采用DPＧConv卷积改进CNN卷积,利用高维过度参数化提高拟合效果和检测速度.其次在残差块Res_unit中嵌入SENet模块加强上下文的语义联系,减少冗余信息的干扰.最后设计一种小龙虾数据采集方法.与３种目标检测算法实验对比,结果表明,改进后的算法检测精度达到９７％,速度为６０帧/s,模型性能优于其他３种算法,具有高检测精度和高速度的应用效果.[关键词]目标检测;小龙虾检测;YOLOv５网络;深度学习[中图分类号]TP３９１．４１[文献标识码]A近年来,中国龙虾养殖产业发展迅猛,人们对于优质小龙虾的食品需求也在逐步扩大,我国小龙虾的消费市场增长十分火热.在龙虾生产过程中,商户需要保证龙虾的新鲜程度,确保市场上的小龙虾为合格产品.目前,生产线上小龙虾质量检测通常由人工完成,这需要消耗更多的人工成本,并且由于人工的疏忽以及其他因素,极易发生误判的情况,因此小龙虾的质量检测已成为龙虾生产中一个急需改进的环节[１Ｇ２].小龙虾的质量检测分为两步:首先从相机捕获的图像中提取小龙虾,其次检测不同场景下的小龙虾是否合格[３].随着硬件的提升以及深度学习理论迅速地发展,越来越多经典的深度卷积网络被应用在食品科技领域,如FasterＧRCNN,ResNest,YOLO等[４Ｇ７].这些基于深度学习的目标检测方法充分展现了其快速、准确以及实用性.余伟聪等[８]提出了一种轻量化深度学习MonilenetＧSSD的网络模型对海珍品进行检测,通过验证的检测AP达到了８３．...
