領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國食品雜志社
針對果園現(xiàn)場蘋果分級存在的計算資源受限和表面缺陷尺度差異大的問題，本研究構(gòu)建基于機(jī)器視覺的改進(jìn)YOLOv8蘋果表面缺陷識別模型，在提高蘋果表面缺陷檢測效率的同時保證檢測準(zhǔn)確率。采用自搭建的機(jī)器視覺系統(tǒng)采集5?500?張?zhí)O果樣本的表面特征及缺陷圖像，涵蓋果柄、花萼的特征與黑點、腐爛、機(jī)械損傷、日灼、褐斑和裂紋6?種常見表面缺陷以及1?種環(huán)境雜物并完成特征標(biāo)注。引入RepGhostNeXt和EffQAFPN算法結(jié)構(gòu)，對YOLOv8（You Only Look Once version 8）檢測模型的主干特征提取網(wǎng)絡(luò)和特征金字塔進(jìn)行改進(jìn)。在此基礎(chǔ)上，研究訓(xùn)練并比較了YOLOv8、YOLOv8n、YOLOv8＋EffQAFPN、YOLOv8＋RepGhostNeXt和YOLOv8＋EffQAFPN＋RepGhostNeXt 5 種模型，并重點對比模型在蘋果表面瑕疵檢測中的檢測準(zhǔn)確率和模型檢測速度。研究結(jié)果表明，YOLOv8＋EffQAFPN＋RepGhostNeXt模型在綜合檢測性能上表現(xiàn)最佳，其整體識別準(zhǔn)確率為94.9%，且保持了7.81 幀/s的平均檢測幀率。綜上，該模型能夠在計算資源有限的環(huán)境下高效完成蘋果表面缺陷檢測任務(wù)，為實現(xiàn)果園現(xiàn)場高效便捷的蘋果分級提供技術(shù)支撐。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺區(qū)洋橋70號
版權(quán)所有 @ 2023 中國食品雜志社 京公網(wǎng)安備11010602060050號 京ICP備14033398號-2
