增强的YOLOv11n:一种用于检测土豆皮损伤的方法

科学领域:

• 农业工程 农业工程
• 计算机视觉 计算机视觉
• 食品科学 食品科学 食品科学

背景情况:

• 在收获和运输过程中土豆皮损伤会影响储存,质量和安全.
• 快速检测土豆损坏对于自动分类过程至关重要.

研究的目的:

• 开发一个增强的YOLOv11n算法,以准确有效地检测土豆皮损伤.
• 通过识别损坏的产品来提高自动化土豆分拣系统的性能.

主要方法:

• 整合MLCA注意力机制和重新校准FPN,以增强特征提取和多尺度融合.
• 实施EIEStem模块和SobelConv,以改善土豆皮肤损伤的特征表示.
• 使用AFPN优化检测头,并引入WloU损失函数,以实现精确的边界回归.

主要成果:

• 与基准相比,增强的YOLOv11n算法取得了显著的改进:mAP@0.5的6.9%,mAP@0.5:0.95的15%,精度 (P) 的7.4%,回忆 (R) 的11.8%.
• 在综合评估中,在现有的主流算法上表现出优越的性能.

结论:

• 提议的增强的YOLOv11n算法有效检测土豆皮损伤.
• 特征提取,融合和损失功能的进步有助于更高的检测准确性和更少的错误.