基于改进RT-DETR的轻量化糙米率检测方法

摘要

传统谷糙分离依赖人工识别谷糙分界线并调节挡板,糙米率易受人为主观因素影响。为提高分离过程的智能化与准确性,构建了谷糙混合物图像数据集,提出一种改进的轻量化RT-DETR模型用于糙米率检测。该模型采用EfficientViT作为特征提取模块,有效降低了模型参数量与浮点计算量;引入融合SimAM注意力机制的特征融合模块CGFM,增强多尺度特征表达与上下文建模能力;在上采样阶段加入DySample模块,以减轻伪影对特征提取的干扰。实验结果表明,改进模型在保持高检测精度(准确率为95.6%、mAP为95.9%)的同时,参数量和FLOPs分别减少45.4%和52.0%,在精度与效率之间实现良好平衡。该方法为谷糙分离的自动化、智能化提供了有效的技术支持。

关键词

数据集 / 深度学习 / 谷糙混合物 / 糙米率 / RT-DETR