一种高效的轻量级物体检测算法,用于识别Paeoniae Radix Alba的缺陷,并使用OpenCV快速估计面积和直径.

科学领域:

• 传统中国医药 传统中国医药
• 农业科学 农业科学
• 计算机视觉 计算机视觉

背景情况:

• 白根 (Paeoniae Radix Alba) 是中国传统医药,食品和保健补充剂中必不可少的植物.
• 确保WP的质量对于其在各种应用中的有效性,安全性和有效性至关重要.
• 有效和准确的检查方法对于WP的质量控制至关重要.

研究的目的:

• 开发一个高效的算法,用于检测缺陷和物理尺寸测量Paeoniae Radix Alba的片.
• 在准确性和计算效率方面改进现有模型,如YOLOv8.
• 确保WP在食品和医药领域的双重用途的质量和安全性.

主要方法:

• 为了检测缺陷,采用了一种新型检测算法,该算法包含了自主开发的LSD-Head和Feature Fusion Attention (FCA) 机制.
• 使用OpenCV技术精确测量WP片的物理尺寸 (面积,最大/最小直径).
• 拟议模型的性能与YOLOv8模型进行了基准测试.

主要成果:

• 与YOLOv8.8相比,拟议的算法展示了优越的缺陷检测能力.
• 该模型比YOLOv8的精度提高了2.6%,同时参数大小减少了13%,计算负载减少到YOLOv8的65.8%.
• 与实际尺寸相比,物理尺寸测量显示的平均误差小于5%.

结论:

• 开发的算法有效地检测缺陷,并准确地测量Paeoniae Radix Alba蒸片的物理尺寸.
• 这种方法为WP提供了更有效,更准确的质量检查解决方案.
• 这些发现支持WP在食品和保健补充剂中的可靠应用.