来源：期刊VIP网 时间：
作者：季旭;宋垲;冯怡然;
单位：大连工业大学机械工程与自动化学院;大连工业大学辽宁省海洋食品加工技术装备重点实验室;
摘要：为解决食堂与餐厅的菜品人工结算效率低的问题，基于YOLOv5s网络模型提出几类改进算法，其中，YOLOv5s，YOLOv5s-C2f，YOLOv5s-SE，YOLOv5s-MobileNetV3，YOLOv5x模型的准确率、召回率、均值平均精度分别为83%，88.6%，89.4%；94.9%，79.1%，87.6%；91.6%，76%，84.9%；88.3%，94.9%，81.5%；93.6%，99.4%，99.4%；每张图片的检测时间分别为0.36，0.29，0.34，0.23，0.98 s。试验结果表明，相较于YOLOv5s模型，YOLOv5s-MobileNetV3模型均值平均精度降低7.9%，检测时间缩短36.12%；YOLOv5s-C2f模型均值平均精度降低1.8%，检测时间缩短19.44%；YOLOv5x模型均值平均精度提升10%，检测时间延长63.27%。YOLOv5s-MobileNetV3模型在维持准确率的同时，大幅缩短检测时间，有效地实现检测效率与性能间的平衡；YOLOv5x模型具有较高准确率，适用于追求高精准度的场合。研究为智能餐饮服务提供技术支持。
关键词：深度学习;;C2f模块;;通道注意力机制;;YOLOv5s;;菜品识别
基金资助：国家重点研发计划项目(2018YFD0400800);; 辽宁省教育厅科研项目(JYTMS20230395)
