-
公开(公告)号：CN115909070A
公开(公告)日：2023-04-04
申请号：CN202211492576.5
申请日：2022-11-25
Applicant: 南通大学
Abstract: 本发明提供了一种基于改进yolov5网络的杂草检测方法，属于杂草检测技术领域。解决了杂草检测准确率低、识别速度低的问题。其技术方案为：包括以下步骤：S1、采集杂草图像，利用Make Sense工具构建杂草数据集；S2、对原始yolov5网络模型进行改进；S3、利用杂草数据集对改进的yolov5网络模型进行训练，得到杂草检测模型；S4、将待检测图像输入到步骤S3所得到的杂草检测模型中进行推理预测，获得杂草检测结果。本发明的有益效果为：本发明在yolov5网络的基础上进行优化，以GhostNet替换其主干特征提取网络，引入CBAM注意力机制，替换回归框损失为SIoU，提高了杂草检测的准确率、实时性。
-
公开(公告)号：CN115880676B
公开(公告)日：2024-04-09
申请号：CN202211649911.8
申请日：2022-12-21
Applicant: 南通大学
Abstract: 本发明提供了一种基于深度学习的自助售货机商品识别方法，属于目标识别技术领域。解决了现有的自助售货机结构复杂、故障率高、商品种类受限制和成本高的问题。其技术方案为：包括以下步骤：S1、采集真实场景下物品数据形成商品检测数据集，并对训练集图片中的商品进行标注；S2、基于yolov5和BFCNN搭建网络框架；S3、根据搭建好的yolov5和BFCNN网络框架分别训练商品数据集；S4、使用训练好的网络验证识别商品，得到识别结果。本发明的有益效果为：本发明减小了自助售货机的占地面积以及成本，消除了售货机的商品种类限制，提高了检测速率和精度。
-
公开(公告)号：CN115909070B
公开(公告)日：2023-10-17
申请号：CN202211492576.5
申请日：2022-11-25
Applicant: 南通大学
Abstract: 本发明提供了一种基于改进yolov5网络的杂草检测方法，属于杂草检测技术领域。解决了杂草检测准确率低、识别速度低的问题。其技术方案为：包括以下步骤：S1、采集杂草图像，利用Make Sense工具构建杂草数据集；S2、对原始yolov5网络模型进行改进；S3、利用杂草数据集对改进的yolov5网络模型进行训练，得到杂草检测模型；S4、将待检测图像输入到步骤S3所得到的杂草检测模型中进行推理预测，获得杂草检测结果。本发明的有益效果为：本发明在yolov5网络的基础上进行优化，以GhostNet替换其主干特征提取网络，引入CBAM注意力机制，替换回归框损失为SIoU，提高了杂草检测的准确率、实时性。
-
公开(公告)号：CN115880676A
公开(公告)日：2023-03-31
申请号：CN202211649911.8
申请日：2022-12-21
Applicant: 南通大学
Abstract: 本发明提供了一种基于深度学习的自助售货机商品识别方法，属于目标识别技术领域。解决了现有的自助售货机结构复杂、故障率高、商品种类受限制和成本高的问题。其技术方案为：包括以下步骤：S1、采集真实场景下物品数据形成商品检测数据集，并对训练集图片中的商品进行标注；S2、基于yolov5和BFCNN搭建网络框架；S3、根据搭建好的yolov5和BFCNN网络框架分别训练商品数据集；S4、使用训练好的网络验证识别商品，得到识别结果。本发明的有益效果为：本发明减小了自助售货机的占地面积以及成本，消除了售货机的商品种类限制，提高了检测速率和精度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
