摘要:针对新疆香梨采后品质检测中人工分拣效率低、判定标准不一致、检测结果难以量化追溯等问题,本文设计并实现了一种基于YOLO26n深度学习模型的香梨缺陷智能检测系统。

内容简介

系统以整颗香梨为检测对象,针对正常、擦伤/碰压伤、裂纹、腐烂、畸形、虫害等6类外观特征进行自动识别与定位,输出包含类别标签、边界框坐标、置信度评分及缺陷果实占比等量化指标,可为外观筛查与人工复核提供客观依据。研究构建了包含2200张640×640像素高分辨率图像的专用数据集,按照7:2:1比例划分为训练集(1540张,2427个标注框)、验证集(440张,738个标注框)和测试集(220张,355个标注框),采用预训练权重进行迁移学习,使用SGD优化器训练150轮,在最后10轮关闭Mosaic数据增强以提升模型对真实场景的适应性。

系统采用分层架构设计,按照表示层、业务控制层、模型推理层和数据支撑层划分职责,前端基于PyQt5构建三栏式工作台界面,集成图像输入、检测结果可视化和统计分析功能,支持单张图像检测、批量任务处理、实时视频流检测和摄像头连续检测四种工作模式,并提供会话管理与报告导出功能。训练日志表明,最佳权重在440张验证图像、738个目标上实现了0.999的精确率和召回率,mAP@0.5和mAP@0.5:0.95均达到0.995,六类缺陷检测性能均衡稳定。模型推理速度为1.8 ms/图(约556 FPS),融合后参数量约239.1万,权重文件仅5.5 MB,满足实时检测与轻量化部署需求。系统运行验证涵盖六类单目标检测、多目标统计分析、21张批量任务处理、视频流连续检测及摄像头实时检测等场景,功能完备性得到充分验证。

文档概述

文档信息

版本:初稿
页数:62页
字数:24136个字
格式:word(可编辑)
图表:18张图、14张表、17个公式

文档目录

第1章 绪论 1
1.1 研究背景与意义 1
1.1.1 香梨外观品质检测需求 1
1.1.2 课题研究意义 1
1.2 国内外研究现状 2
1.2.1 传统视觉与深度学习方法 2
1.2.2 目标检测技术发展 2
1.2.3 现有研究对本课题的启示 2
1.3 研究内容与技术路线 3
1.4 论文组织结构 3
第2章 相关理论与关键技术 4
2.1 深度卷积神经网络基础 4
2.1.1 卷积特征与非线性映射 4
2.1.2 多尺度特征与注意力 4
2.2 目标检测与后处理 4
2.2.1 边界框和标签语义 4
2.2.2 置信度过滤与NMS 5
2.3 图像预处理与坐标转换 5
2.3.1 归一化与等比缩放 5
2.3.2 数据增强与分布约束 6
2.4 模型评价指标 6
2.5 开发框架与本章小结 7
第3章 系统需求分析与数据集构建 8
3.1 应用场景与功能需求 8
3.1.1 用户操作流程 8
3.1.2 非功能需求 8
3.2 数据集规模与类别定义 9
3.2.1 数据构成及划分 9
3.2.2 六类标签语义 10
3.3 YOLO标注格式与质量检查 10
3.4 数据增强及泄漏控制 12
3.5 本章小结 12
第4章 系统总体设计 13
4.1 架构划分与设计原则 13
4.2 检测流程与任务状态 14
4.2.1 主流程与离线训练 14
4.2.2 状态设计与取消语义 15
4.3 结果数据结构与统计设计 16
4.3.1 结构化输出 16
4.3.2 缺陷占比与品质提示 17
4.4 并发组织与资源管理 17
4.5 本章小结 18
第5章 深度卷积神经网络模型设计与训练 19
5.1 YOLO26n模型选型与结构 19
5.1.1 轻量模型与任务适配 19
5.1.2 骨干与特征融合过程 19
5.1.3 检测头与部署路径 20
5.2 训练目标与优化方法 20
5.2.1 分类与边界框学习 20
5.2.2 SGD与学习率设置 21
5.3 训练配置与迁移学习 21
5.3.1 软件和硬件环境 21
5.3.2 预训练加载与模型选择 22
5.3.3 训练末期增强调整 22
5.4 训练监控与复现管理 23
5.5 本章小结 23
第6章 系统实现 24
6.1 主界面与交互组织 24
6.1.1 三栏工作台布局 24
6.1.2 表示与业务的分工 25
6.2 单张图像检测 25
6.2.1 输入加载与结果呈现 25
6.2.2 五类缺陷样例 26
6.3 多目标统计与批量处理 31
6.3.1 组合图像检测 31
6.3.2 批量任务组织 32
6.4 视频、摄像头与异常处理 34
6.4.1 视频文件检测 34
6.4.2 摄像头输入与实时预览 35
6.4.3 异常处理与任务收尾 36
6.5 检测报告、会话记录与系统设置 37
6.5.1 单次检测报告 37
6.5.2 当前会话检测记录 37
6.5.3 会话统计分析 38
6.5.4 系统参数与显示配置 39
6.6 本章小结 40
第7章 实验与结果分析 41
7.1 实验依据与评价范围 41
7.2 训练收敛过程 41
7.3 最佳模型验证结果 42
7.3.1 总体与分类别结果 42
7.3.2 验证指标的应用解释 43
7.4 阈值曲线与工作点分析 43
7.5 混淆矩阵一致性核验 45
7.6 速度与功能验证 47
7.6.1 模型计时与界面耗时 47
7.6.2 功能核对结果 48
7.7 局限性与改进方向 48
7.8 本章小结 49
第8章 总结与展望 50
8.1 研究工作总结 50
8.2 研究不足 50
8.3 后续研究方向 50
参考文献 52
致谢 53

配套项目

作者联系

作者信息

原创作者:bob(可提供二次开发有偿修改服务)
项目编号:AI-91-P
原创声明:本项目为原创作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议,允许个人和组织自由使用、修改和分发代码,但基于本项目的衍生作品必须同样开源,且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用,作者不对使用本项目产生的任何后果承担责任,使用者应遵守当地法律法规,合理合法使用本项目。如本项目对您的研究或工作有所帮助,欢迎引用并注明出处。

声明:本站所有项目资源都可以正常运行,亲测无错!而且我们录制了演示视频,在我们注明的环境版本下,项目运行效果完全和演示视频一致。客服QQ:下载须知