领学术科研之先，创食品科技之新
—— 中国食品杂志社
现阶段仓内粮堆表面的粮情检测可由智能设备协助完成。智能设备所采集的粮堆表面图片背景密集复杂、颗粒互相重叠对检测形成噪声干扰。为解决目标检测算法对不完善颗粒的高漏检率并提高模型检测速度，本研究对轻量化网络模型YOLOV4-Tiny进行优化。首先，增加小目标检测层提升高语义信息利用率，其次，嵌入基于指数思想优化的SENet注意力机制模块，由此设计增强特征提取网络提升模型在复杂背景中对不完善颗粒的特征提取能力，提高检测精度并降低漏检率。最后，以深度可分离卷积作为主干部分残差网络的特征提取方式，减少模型的参数计算量，优化模型部署并解决实时性差的问题。实验表明本研究所提出的改进算法IDS-YOLO在检测速度和检测精度之间达到了平衡，相比于其他对比算法模型的均值平均精度平均提升了6.2%；帧率值达到88.03，满足实时检测的要求，改进后模型参数量的大小仅有5.51 MB。
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
电话: 010-87293157
地址: 北京市丰台区洋桥70号
版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2
