融合Fasternet与YOLOv5模型的鸡蛋外观检测.pdfVIP

FOODMACHINERY||

第40卷第8期总第274期2024年8月

DOI：10.13652/j.spjx.1003.5788.2023.81137

融合Fasternet与YOLOv5模型的鸡蛋外观检测

魏晶鑫陈中举许浩然

（长江大学计算机科学学院，湖北荆州434023）

摘要：［目的］高效识别自动化生产过程中存在蛋壳瑕疵的鸡蛋。［方法］设计了一种融合Fasternet模块与YOLOv5s的

鸡蛋外观检测模型FC⁃YOLOv5。该模型使用Kmeans++算法对数据集重新聚类，优化先验框；将C3结构中的

Bottleneck模块替换为FasternetBlock模块，减少模型参数量，同时提高模型检测精度；采用Soft⁃NMS算法作为非极大

值抑制算法，提高重叠特征的检测效果；引入CBAM注意力机制，增加网络模型对重要特征的提取能力。［结果］与YO⁃

LOv5原模型相比，改进后的FC⁃YOLOv5模型在mAP0.5和mAP0.5:0.95上分别提高了3.2%和5.2%，计算量和

参数量分别减少了19.6%和16.9%，且与YOLOv7⁃tiny和YOLOv8模型相比有显著优势。［结论］试验方法在鸡蛋外观

检测场景下可提高检测精度并降低参数量，达到鸡蛋自动化生产中的次品蛋识别目的。

关键词：鸡蛋外观检测；YOLOv5；Fasternet；Kmeans++；CBAM

DetectionofeggappreancebasedonFasternetandYOLOv5model

WEIJingxinCHENZhongjuXUHaoran

(SchoolofComputerScience,YangtzeUniversity,Jingzhou,Hubei434023,China)

Abstract:［Objective］Efficientlyidentifyeggswithdefectsontheirappearanceintheautomaticproductionprocess.［Methods］Designed

adetectionmodelbasedonfusingFasternetmoduleandYOLOv5s.ThemodelusedtheKmeans++algorithmtore-clusterthedataset

andoptimizeedtheboundingbox.TheBottleneckmoduleintheC3structurewasreplacedbytheFasternetBlockmoduletoreducethe

parametersandimprovethepercisionintheprocessofdetection.TheSoft-NMS,anon-maximumsuppressionwasutilizedtoimprovethe

detectionofeggswithsimilarfeatures.TheCBAMattentionmechanismwasintroducedtoenhancethefunctionofextractingimportant

features.［Results］ComparedwiththeYOLOv5originalmodel