基于ZC-YOLO的棉花雜質檢測

摘要： 針對棉花雜質形狀復雜，尺度變化大導致檢測精度低的問題，提出一種基于改進YOLOv5的棉花表面雜質的智能分類檢測方法。采用適應于數(shù)據(jù)集的自適應錨框算法，對錨框進行重新聚類，提高對小目標雜質的檢測效果；在特征融合部分引入MCA注意力機制模塊，聚焦有效特征層的雜質目標信息，降低無關區(qū)域的干擾，對棉花雜質目標定位更加準確；采用GIoU損失函數(shù)用于計算棉花雜質預測框與真實框的損失計算，濾... （共7頁）