基于注意力机制改进的YOLOX水果品质检测与分类  

作　　者：莫腾飞 林建强[1] 张浩林 张翰升 

机构地区：[1]广西科技大学自动化学院,广西柳州545000

出　　处：《南方农机》2024年第20期13-16,共4页

基　　金：广西科技大学博士挂职驻柳企业科研项目(BSGZ2216)。

摘　　要：[目的]解决现阶段深度学习技术在检测水果品质时检测精度不高的问题,提出了以SE和CBAM注意力机制模块改进的YOLOX目标检测算法。[方法]选取苹果、香蕉、橙子几种常见的水果作为检测的对象,构建水果数据集,采用LabelImg工具进行标注,进行模型训练,得到性能优异的水果品质检测与分类网络模型。[结果]经过实验可以得出改进后的YOLOX模型平均检测精度值为96.2%,与YOLOv3、YOLOv4、YOLOv5、原始YOLOX相比分别提高了2.4个百分点、2.0个百分点、3.0个百分点、0.6个百分点。[结论]该模型具有较好的检测性能,可为实际农业场景下的水果检测提供参考。

关 键 词：深度学习 水果品质检测 YOLOX 目标检测 注意力机制 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]