一种基于深度学习的水果外观品质检测方法

本发明公开一种基于深度学习的水果外观品质检测方法，该方法可以对于含有少量水果外观缺陷的图片数据集进行扩容，并且对于YOLOv5L算法的小目标检测能力进行了增强。该方法首先对于初始数据集中的图片进行如翻转、缩放和灰度变化等传统扩容方法，从而提高后续模型训练的鲁棒性。针对深度卷积生成对抗网络在训练过程中出现的神经元死亡问题，本方法提出了一种改进判别器损失函数的方法，有效解决了神经元死亡的问题，提高了训练时模型的收敛速度，生成出的模拟图片对于后续检测模型的训练有一定的帮助。针对YOLOv5L网络对于小目标检测能力较弱的问题，本方法提出了一种在特征提取网络中引入注意力机制的方法，增强模型对于小目标特征的提取能力。