基于深度学习的水果缺陷实时检测方法

摘要

目的:对CenterNet方法进行优化改进.方法:使用MobileNetV3的轻量化卷积神经网络替代CenterNet原有的骨干网络,加快检测速度,对MobileNetV3模块进行改进,增强模型对水果中小缺陷块的检测能力,并对Cen-terNet的预检测阶段进行优化,提高其检测准确度.结果:试验方法对显著缺陷如直径＞4 mm的苹果识别率高达99.7％,检测速度为113帧/s,模型体积为1.31 MB.结论:与CenterNet_ResNet18和CenterNet Shuffler模型相比,MO-CenterNet模型检测水果缺陷在训练时间、检测速度和准确率方面均衡性更好.