来源：期刊VIP网 时间：
作者：任杰;邵凯青;胡鑫;张静娜;刘学渊;朱代根;
单位：西南林业大学机械与交通学院;
摘要：为了提高分拣过程中生咖啡豆缺陷检测的准确率，本研究提出了一种基于改进YOLOv5s的咖啡豆检测模型。首先，对采集的图像进行迭代和增强，建立了含有不同咖啡豆缺陷的数据集。其次，在模型原有的网络结构中增加小目标检测层，提高算法在密集场景下的表现；引入坐标注意力(CA)机制，增强模型的特征表达能力；同时将激活函数替换为Mish函数，使信息能更好地传递至神经网络中，提升模型的精确率和泛化性能。实验结果表明，相较于原始模型，改进模型在精确率和平均精度均值上分别提高了6.8个百分点和1.1个百分点，对不同数量咖啡豆及在光照复杂情况下的平均置信度均能达到0.90以上，均优于原始模型。该改进模型适用于检测未分类的生咖啡豆，可为咖啡豆的机械化分选技术提供理论基础。
关键词：生咖啡豆;;缺陷检测;;机器视觉;;深度学习;;CA注意力机制;;Mish函数
基金资助：云南省教育厅科学研究基金项目(2024J0682);; 云南省科技计划项目农业联合专项(202301BD070001-041)
