基于机器视觉和机器学习技术的浙贝母外观品质等级区分
|
|
董成烨,李东方,冯槐区,龙思放,奚特,周芩安,王俊
|
Classification of Fritillaria thunbergii appearance quality based on machine vision and machine learning technology
|
|
Chengye DONG,Dongfang LI,Huaiqu FENG,Sifang LONG,Te XI,Qin’an ZHOU,Jun WANG
|
|
| 表1 YOLO系列的主干特征提取网络特点 |
| Table 1 Characteristics of backbone feature extraction network of YOLO series |
|
预选算法 Preselective algorithm | 主干特征提取网络 Backbone feature extraction network | 主干特征提取网络特点 Characteristics of backbone feature extraction network |
|---|
| YOLO-V3 | DarkNet-53 | 应用DarkNet结构和LeakyReLU激活函数 | | YOLO-V4 | CSPDarkNet-53 | 在DarkNet结构中添加CSPNet结构，变为CSPDarkNet结构，应用Mish激活函数 | | YOLO-V5 | CSPDarkNet-53 | 在CSPDarkNet结构中添加Focus和空间金字塔池化（SPP）结构，应用SiLU激活函数 | | YOLO-X | CSPDarkNet-53 | 在CSPDarkNet结构中添加Focus和SPP结构，应用SiLU激活函数 |
|
|
|