基于改进YOLOv5的轻量级黄花成熟检测方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：黄花菜具有较短的采摘周期和相对严格的采摘要求，针对传统人工采摘效率低、主观性高的问题，提出一种基于深度学习的SSH-YOLOv5黄花成熟度检测算法。以YOLOv5模型为基础，结合轻量级网络ShuffleNet V2基本残差单元压缩网络模型大小，提升模型目标检测速度；引入SE Net通道注意力机制模块，增强模型对有用特征信息的敏感度，提高目标检测精度；将普通卷积替换为深度可分离卷积模块，进一步减少模型计算量。（剩余17667字）

试读结束

目录
monitor