来源：期刊VIP网 时间：
作者：王淑青;陈开元;周淼;范博淦;
单位：湖北工业大学电气与电子工程学院;
摘要：[目的]改善工业生产线小龙虾质量检测方法单一、效率低、检测成本高的问题。[方法]提出了一种基于YOLOHDR的轻量化神经网络检测模型。使用PP-HGNetv2模型设计一种新的YOLOv8骨干网络并引入HGstem和DWConv的轻量化模块重构网络；使用动态卷积块以及官方库中的其他轻量化卷积（GhostConv、RepConv）重新设计新骨干网络的HGBlock，得到动态高性能网络模块（DynamicHGBlock、RepHGBlock、GhostHGBlock等）来改进HGBlock，以提升网络的特征表达能力；用重复跨阶段局部保边注意力网络RepNCSPELAN4改进原颈部网络的C2f模块，并改善骨干模块改进后的轻量网络的性能。[结果]改进模型的精确度及平均精度均值达到92.8%和95.9%，相较于原模型分别提高了3.5%和1.9%，优于其他对比目标检测算法。改进后模型的参数量及模型大小相比原YOLOv8n模型分别降低了17.7%和16.2%，计算量减少了19.8%。[结论]试验方法在密集遮挡噪声背景下的检测性能均有提高，能够满足工业流水线小龙虾冷冻分装前复杂背景下质量检测需求。
关键词：深度学习;;品质检测;;小龙虾;;注意力机制;;PP-HGNetV2
基金资助：国家自然科学基金（编号：62306107）
