基于NAM-YOLO网络的苹果缺陷检测算法

针对苹果缺陷检测经常误检漏检、缺陷易混淆等问题,提出一种基于改进YOLOv5的苹果缺陷检测算法。苹果缺陷检测对苹果分拣至关重要,现有检测苹果缺陷的方法主要是通过机器学习或卷积神经网络提取颜色和纹理特征,存在错误检测、漏检和特征提取能力不足等问题,不能满足缺陷检测精度与实时性的需求。NAM-YOLO算法主要有3个核心思想:1)通过将TRANS模块添加到骨干网络,更好地融合特征与全局信息;2)通过加权双向特征金字塔网络融合不同尺度的特征;3)将基于归一化的注意力机制NAM注意机制引入颈部网络,强化目标区域的关键特征,提高网络的检测精度。实验结果表明,改进算法的mAP达到98.90%,准确度为98.73%。与其他模型相比,该模型具有较好的特征融合能力,可较好地满足苹果分拣的实际需要。