基于深度学习的自适应苹果图像多缺陷检测
Journal of Shandong University of Technology(Natural Science Edition)（2024）
摘要
苹果图像检测中,对较小缺陷识别与分类时,检测时间与精度的平衡问题一直是该领域的研究重点.为实现苹果缺陷的快速高精度检测,提出了一种基于深度学习的ACE-YOLO自适应局部图像检测算法,通过深度学习缩小检测区域,利用通道注意力机制把计算机算力集中到局部检测范围以缩短检测时间,采用图像增强算法使检测细节更清晰,通过在模型中增加小目标检测层来提高检测精度.该算法利用深度学习实现局部细节检测,与常规算法相比增加了注意力机制,其检测速度提高了25%;由于引入了局部图像增强算法,并增加了小目标检测层,其在对 14 类苹果缺陷进行识别时,平均检测精度也由 86.1%提高到 95.2%.实验表明,该算法更适用于苹果缺陷的检测.
更多关键词
apple defects,image detection,machine learning,attention mechanism,small target detec-tion
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要