基于SG-YOLOv8n算法的茶叶萎凋过程中含水率检测
皮鸣寰1
董效杰1
杨艳2
刘志3
陈代明4
黄坤5
1.湖北民族大学智能科学与工程学院,湖北恩施 4450002.湖北民族大学化学与环境工程学院,湖北恩施 4450003.上海大学通信与信息工程学院,上海 2000004.羽集茶业有限公司,湖北恩施 4450005.利川市茗道茶叶有限公司,湖北利川 445400
摘要：针对传统的含水率检测方法具有破坏性、检测时间长的问题,提出了基于空间通道和组混洗你只看一次版本8纳米型(spatial channel and group shuffle-you only look once version 8 nano,SG-YOLOv8n)算法的茶叶萎凋过程含水率检测方法.首先,构建萎凋过程中不同含水率的茶叶图像数据集;然后,为提高算法的感知能力,该算法中引入了卷积块注意力模块(convolutional block attention module,CBAM),在不增加网络复杂性的情况下改善了性能;最后,为了提升平均精确率均值和浮点运算速度,使用组混洗卷积(group shuffle convolution,GSConv)代替颈部网络的标准卷积,并使用卷积到全连接的空间和通道重建卷积(convolution to fully connected-spatial and channel reconstruction convolution,C2f-SCConv)模块代替主干网络的卷积到全连接(convolution to fully connected,C2f)模块.结果表明,SG-YOLOv8n算法相比于原版算法的平均精确率均值、精确率分别提升了 4.6％、5.7％,检测速度达到了 156.0帧/秒.该算法能提升茶鲜叶萎凋过程中含水率的检测精确率,还能实现实时检测,能满足边缘计算设备的要求.
关键词：YOLOv8n含水率实时检测茶叶CBAMGSConvC2f-SCConv
分类号：TS272.3(食品工业)
资助基金：国家自然科学基金(32360630)
论文发表日期：2024-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 458-463 )
英文信息