基于改进YOLOv7的苹果表面缺陷轻量化检测算法OACSTPCD
Light Weight Detection Algorithm for Apple Surface Defect Based on Improved YOLOv7
针对如何提高苹果表面缺陷的检测速度和精度,解决模型内存占比大的问题,提出一种基于改进YOLOv7的苹果表面缺陷轻量化检测算法.首先引入GhostNetV2作为YOLOv7网络的backbone,有效降低了模型复杂度,提高了检测速度.并引入SimAM无参注意力机制,以强化不同深度的特征信息.使用双向加权特征金字塔结构BiFPN进行加权特征融合,进一步提升苹果表面缺陷的检测精度.最后采用ECIOU损失函数来计算边界框损失,进一步提高模型收敛速度和整体…查看全部>>
Aiming at how to improve the detection speed and accuracy of apple surface defects and solve the problem of large model memory ratio,a lightweight detection algorithm for apple surface defects based on improved YOLOv7 was proposed.Firstly,GhostNetV2 was introduced as the backbone of YOLOv7 network,which effectively reduced the model complexity and improved the detection speed.SimAM attention-free mechanism was introduced to enhance the feature information of…查看全部>>
李大华;孔舒;李栋;于晓
天津理工大学 电气工程与自动化学院,天津 300384||天津市新能源电力变换传输与智能控制重点实验室,天津 300384||天津市复杂系统控制理论及应用重点实验室,天津 300384天津理工大学 电气工程与自动化学院,天津 300384||天津市新能源电力变换传输与智能控制重点实验室,天津 300384||天津市复杂系统控制理论及应用重点实验室,天津 300384天津理工大学 电气工程与自动化学院,天津 300384||天津市新能源电力变换传输与智能控制重点实验室,天津 300384||天津市复杂系统控制理论及应用重点实验室,天津 300384天津理工大学 电气工程与自动化学院,天津 300384||天津市新能源电力变换传输与智能控制重点实验室,天津 300384||天津市复杂系统控制理论及应用重点实验室,天津 300384
农业科学
苹果表面缺陷YOLOv7GhostNetV2注意力机制BiFPNECIOU
Apple surface defectYOLOv7GhostNetV2Attention mechanismBiFPNECIOU
《河南农业科学》 2024 (3)
边带模糊红外图像目标的最优可免域免疫因子网络提取研究
141-150,10
国家自然科学基金项目(61502340)天津市自然科学基金项目(18JCQNJC01000)天津理工大学教学基金项目(YB20-05)天津市复杂系统控制理论与应用重点实验室开放基金项目(TJKL-CATCS-201907)
评论