基于机器视觉的生咖啡豆缺陷检测模型研究
任杰
邵凯青
胡鑫
张静娜
刘学渊
朱代根
西南林业大学机械与交通学院,云南 昆明 650224
摘要：为了提高分拣过程中生咖啡豆缺陷检测的准确率,本研究提出了一种基于改进YOLOv5s的咖啡豆检测模型.首先,对采集的图像进行迭代和增强,建立了含有不同咖啡豆缺陷的数据集.其次,在模型原有的网络结构中增加小目标检测层,提高算法在密集场景下的表现;引入坐标注意力(CA)机制,增强模型的特征表达能力;同时将激活函数替换为Mish函数,使信息能更好地传递至神经网络中,提升模型的精确率和泛化性能.实验结果表明,相较于原始模型,改进模型在精确率和平均精度均值上分别提高了 6.8个百分点和1.1个百分点,对不同数量咖啡豆及在光照复杂情况下的平均置信度均能达到0.90以上,均优于原始模型.该改进模型适用于检测未分类的生咖啡豆,可为咖啡豆的机械化分选技术提供理论基础.
关键词：生咖啡豆缺陷检测机器视觉深度学习CA注意力机制Mish函数
分类号：S126(农业物理学)
资助基金：云南省教育厅科学研究基金项目(2024J0682)云南省科技计划项目(202301BD070001-041)
论文发表日期：2025-07-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：7( 152-158 )
英文信息