王淑青 黄剑锋 张鹏飞 王 娟

(湖北工业大学电气与电子工程学院，湖北 武汉 430068)

近年来，中国小龙虾产量逐步上升，虾球与整虾的剥离是其初加工的重要部分，而识别小龙虾合格与否是其中重要的一环[1-2]。目前，小龙虾质量的判别一般由人工完成，需花费大量的时间和人力成本，而且误判的可能性较大。根据小龙虾蜷曲程度进行质量检测的研究尚未见相关报道，但是目标检测技术在食品领域的应用较多，其中基于深度学习的目标检测技术在众多领域中展现了其优越性[3-6]，在食品加工与检测中也备受青睐[7-9]。宋超[10]使用无监督的K-means结合支持向量机的传统方法与深度学习方法对鸡蛋裂纹进行了检测，结果表明传统方法的环境适应性较差，基于深度学习的缺陷识别率较传统方法提高了近3%；Fan等[11]使用基于候选缺陷区域计数和支持向量机的方法对苹果外观缺陷进行了在线检测，其检测精度远低于深度学习方法。尹宏鹏等[12]研究发现，深度学习是当下最优秀的视觉识别方法，而且相比传统方法有着更大的发展空间。

YOLOv4是近期被提出的检测效率更高的深度卷积神经网络。为确保小龙虾检测模型的工作效率，文章拟设计一种基于YOLOv4深度学习网络的小龙虾质检方法，通过对小龙虾图像进行添噪、旋转等制作多种形态的小龙虾数据图像，使用YOLOv4网络模型对数据集进行学习与训练，使用工业CCD相机在线采集并检测小龙虾的质量类别，验证该模型的分类准确率和检测速度都能满足生产需求，可以提高小龙虾生产效率。……