赵春江院士团队：基于改进YOLOv7模型的柑橘表面缺陷在线检测

下载全文链接：
http://www.tcsae.org/cn/article/doi/10.11975/j.issn.1002-6819.202308138

《农业工程学报》2023年第39卷第23期刊载了上海海洋大学等单位贾雪莹、赵春江、周娟、王庆艳、梁晓婷、何鑫、黄文倩与张驰的论文——“基于改善YOLOv7模型的柑橘表面缺陷在线检测”。该研究由国家自然科学基金项目（项目号：31871523）等资助。

引文信息：贾雪莹，赵春江，周娟，等. 基于改善YOLOv7模型的柑橘表面缺陷在线检测[J]. 农业工程学报，2023，39(23)：142-151.
doi:
10.11975/j.issn.1002-6819.202308138

▲ 不同柑橘表面缺陷的试验样本

研究目的与方法：

柑橘表面缺陷是水果检测分级的重大依据，针对传统柑橘表面缺陷检测方法效率低、精度低等问题，该研究提出一种柑橘表面缺陷的实时检测方法。

该方法第一对柑橘图像进行图像增强，然后利用提出的YOLOv7-CACT模型对柑橘表面缺陷进行检测，该模型在YOLOv7模型骨干网络中引入坐标注意力模块(coordinate attention, CA)，从而提高模型对缺陷部分的关注度。在网络头部引入CT（contextual transformer，CT）模块，融合静态和动态上下文表征特征，从而增强缺陷部分特征表达能力。通过试验确定CA模块和CT模块的最佳位置。

结果与结论：

改善后的YOLOv7-CACT模型检测结果平均精度均值（mean average precision，mAP）相较于原始模型增加了4.1个百分点，达到91.1%，满足了实际生产中对柑橘缺陷检测精度的要求。最后将基于YOLOv7-CACT的柑橘检测模型通过TensorRT进行部署，试验结果表明模型的推理时间满足柑橘生产线10个/s的实时分选要求，总体的检测精度达到94.4%，为柑橘表面缺陷在线检测提供了一种精准的实时检测方法。