换一批基于改进YOLOv7-tiny算法的浙贝母切片角度识别
Slicing Angle Recognition of Fritillariae Thunbergii Bulbus Based on Improved YOLOv7-tiny Algorithm
摘要目的:基于改进的YOLOv7-tiny算法实现浙贝母切片角度的自动识别.方法:通过数据增广构建16 000张包含不同角度浙贝母的图像数据集.对YOLOv7-tiny算法进行改进,将普通卷积替换为鬼影卷积(GhostConv),优选添加坐标注意力机制(CA),将部分激活函数替换为计算量更小的HardSwish函数,在损失函数中添加角度识别误差的惩罚项,并针对同一目标有多个识别结果的现象修改非极大值抑制(NMS)策略.为验证不同改进点对算法模型优化的有效性,对所有的改进点进行消融实验,通过对比在原模型或增加了已验证有效性的改进点的模型基础上增加某改进点前后的预测结果,以评价指标的改善,证明该改进点的有效性.结果:改进的浙贝母切片角度识别算法所需参数量约为原算法的55.4％,计算量约为原算法的59.4％,交并比(IoU)为0.5时的平均精度均值(mAP@0.5)上升了 12.2％,识别角度的平均绝对误差(MAE)为5.02°,较原始算法降低了4.58°,在本研究实验环境中,单张图片平均识别时间可达8.7 ms,远快于人类平均反应时间.结论:该研究使用改进YOLOv7-tiny算法实现了浙贝母切片角度的识别,且较原模型更轻量,识别准确度更高,为稳定、准确的浙贝母切片自动化提供了新方法,同时为其他中药的自动化炮制提供了 一定的参考.
更多相关知识
关键词
浙贝母炮制自动化智能制造切片工艺注意力机制深度卷积网络目标检测模型轻量化Fritillariae Thunbergii Bulbusprocessing automationintelligent manufacturingslicing processattention mechanismdeep convolutional networksobject detectionmodel lightweighting
栏目名称
DOI
10.13422/j.cnki.syfjx.20240365
发布时间
2024-05-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
浙江省农业(中药材新品种选育)新品种选育重大科技专项（2021C02074-3）
- 浏览8
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
