應用深度學習 YOLOv5 模組進行截切蔬菜中異物的偵測
學生姓名:
許慧雯
指導教授:
顧皓翔
學 期:
114上
摘 要:
截切蔬菜中異物的問題已成為業界一項重要關注，為保障消費者與供應商的安全，必須採取全面性的預防措施。本研究提出一種使用 YOLOv5 偵測截切蔬菜中異物的創新方法。研究結果顯示，YOLOv5s 在異物辨識方面表現優異，具有 98.30% 的高準確率、2.6 毫秒的快速推論時間，及 13.3 MB 的精簡模型。 YOLOv5s 模型能有效辨識透明與有色塑膠、紙張、木材、石頭、昆蟲、玻璃與金屬等異物，也能準確偵測與青蔥顏色相近的異物。因此，在異物資料收集測試中，對高麗菜與青蔥分別達到 98.63% 與 98.67% 的準確率。YOLOv5s 模型也成功偵測出兩種鮮切蔬菜中 2–3 毫米的小型異物，但在異物與蔬菜樣本重疊下，仍存在識別困難。為解決此問題，可考慮安裝自動輸送設備，讓樣本連續式移動，及進料設備降低重疊的可能性。本研究證實，YOLOv5s 作為一種非破壞性技術，具有應用截切蔬菜異物偵測的可行性，有助於發展一套準確、快速且高效率的即時檢測系統，對提升截切蔬菜產品的品質與安全性具有實質貢獻。
許慧雯.pdf