基于改進(jìn)YOLOv5算法的瓜蔞分級方法

打開文本圖片集

摘要：

為解決瓜蔞檢測技術(shù)存在的檢測精度低且檢測時(shí)間長的問題，提出一種基于改進(jìn)YOLOv5算法的瓜蔞分級方法YOLOv5-GCB。在主干網(wǎng)絡(luò)引入Ghost卷積模塊替換傳統(tǒng)卷積，在保證準(zhǔn)確率的同時(shí)減少模型的參數(shù)量；在特征提取網(wǎng)絡(luò)和推理層之間添加CA注意力模塊，增強(qiáng)模型對空間和通道信息的關(guān)注，提高檢測精度；在頸部網(wǎng)絡(luò)中引入雙向加權(quán)特征金字塔網(wǎng)絡(luò)（Bi-directional Feature Pyramid Network，BiFPN）替換原始結(jié)構(gòu)，融合不同尺度特征提升多尺度目標(biāo)的表達(dá)能力。（剩余13430字）