基于改进YOLOv4的饮料识别算法

随着深度学习在商品识别领域的发展,饮料作为常见的商品,将饮料识别技术应用于自助饮料售卖柜中具有一定的研究意义和价值。为了减少饮料类别特征相似误检,提出了一种基于改进YOLOv4的饮料识别算法,通过在基础网络CSPDarknet53的每组残差模块之间增加通道注意力机制来增强饮料区域特征信息。实验结果表明,改进后的YOLOv4模型mAP值为92.43%,比改进前提高了1.74%,具有较好的实际应用价值。

基于YOLOv5s的轻量化可回收饮料瓶颜色识别

针对不同颜色的可回收饮料瓶回收价值不同,进而需要解决颜色识别分选问题,提出一种基于YOLOv5s的轻量化模型并配合DELTA并联机器人分选设备进行智能识别分选。模型减少了原Backbone中C3数量,并使用1×1的卷积核代替了C3和Conv模块部分3×3的卷积核,采用GhostConv替代传统Conv,CIOU损失增加了检测框尺度、长和宽的损失,提高了矩形框回归效果,选择CIOU Loss作为bounding box的损失函数,通过对其他传统模型对比实验,验证了模型的有效性。结果表明,参数量和计算量相较原模型分别减少了33.80%和36.84%,对回收饮料瓶颜色的识别时间达到了0.008 s,识别图片速度125张/s,识别精度达到了97%。较传统模型,改进YOLOv5s模型识别准确率更高,识别速度更快。

最小二乘法在电子鼻动态信息融合中的应用

基于集成气敏传感器阵列和多传感器信息融合技术的电子鼻系统,可用于气体/气味的定性定量识别。电子鼻走出实验室的关键是高效的识别算法和简化的实验装置。本文提出最小二乘法在简化的电子鼻系统中的应用模型。利用线性最小二乘法拟合传感器阵列的动态响应曲线,建立电子鼻系统的知识库并进行智能识别。利用该方法并结合气体传感器阵列在不同温度条件下的动态响应信号,对雪碧、酷儿和绿茶三种饮料样本进行定性识别,仿真验证结果表明该方法的识别准确率达到100%。