来源：期刊VIP网 时间：
作者：孙健飞;王莉;王建鹏;
单位：河南工业大学电气工程学院;
摘要：水果新鲜度分级在食品行业中有着重要作用。新鲜度是衡量水果质量的重要标准，直接影响到消费者的身体健康和购买欲望。由于水果颜色、纹理和外部环境变化（如阴影、照明和复杂背景）的相似性，使用机器视觉对水果进行自动识别和分类是具有挑战性的。文章提出一种基于改进YOLOv5s网络模型的多类水果分级方法。首先，引入DIoU-NMS算法，考虑预测框与真实框之间的重叠率以及中心点距离，回归精度得到提高；其次，利用K-means算法对初始锚框进行调整；最后，在主干网络Backbone中嵌入CAM，加强网络的特征提取能力。试验结果表明：改进后的YOLOv5s水果新鲜度检测算法平均检测一张图像耗时为0.028 s，且其mAP达到96.6%，比原来YOLOv5s模型提升了2.4%。所提方法为水果新鲜度检测提供一种高性能的解决方案，并能够以较高的准确率对多类水果进行分级与定位。
关键词：水果新鲜度检测;;YOLOv5s;;深度学习;;DIoU-NMS;;K-means;;CAM
基金资助：河南省科技攻关项目（222102110160）;; 河南工业大学创新基金支持计划专项资助（2022ZKCJ03）
