CARCAW-YOLOv11算法在蜂王浆杂质检测中的应用

《Food Analytical Methods》：Application of CARCAW-YOLOv11 Algorithm in Royal Jelly Impurity Detection

　　

摘要

蜂王浆是一种营养丰富且具有保健功效的蜂产品。然而，其生产过程中常常会含有蜂蜡和蜂蛹等杂质，这些杂质会降低蜂王浆的质量和价值。传统检测蜂王浆中杂质的方法主要依赖人工经验，存在效率低和主观性强的问题，无法满足快速准确检测的需求。为解决这一问题，本文提出了CARCAW-YOLOv11（内容感知强化坐标注意力智能YOLOv11）算法，用于快速检测蜂王浆中的杂质。该算法基于YOLOv11架构，加入了CARAFE特征增强模块、坐标注意力机制以及优化的智能IoU损失函数。实验结果表明，CARAFE模块能有效减少上采样过程中的信息损失，为后续检测提供更高质量的特征；坐标注意力机制提升了模型的检测精度和召回率；而优化后的智能IoU损失函数则提高了对小物体的检测能力，并降低了计算复杂度。CARCAW-YOLOv11模型的检测精度为91.7%，召回率为80.5%，mAP@0.5值为87.3%，F1分数为0.79，检测速度可达140.2帧/秒。与YOLOv8n、YOLOv9s、Faster R-CNN和DETR等模型相比，CARCAW-YOLOv11在微小目标的检测精度以及蜂王浆杂质检测的稳定性方面均有显著提升。本研究为蜂王浆的质量控制提供了一种新颖、快速且准确的方法。

图形摘要

此图片的替代文本可能是由人工智能生成的。