基于轻量化YOLOv5的新型菜品识别网络

来源：计算机应用杂志2024年第2期北京时间：

作者：张成涵宇, 林钰哲, 谭程珂, 王俊帆, 顾烨婷, 董哲康, 高明煜

单位：1.杭州电子科技大学 电子信息学院，杭州 310018；2.浙江省装备电子研究重点实验室（杭州电子科技大学），杭州 310018

摘要：为了更好地满足中餐菜品识别对准确性和时效性的应用需求，设计一种新型的菜品识别网络。在原YOLOv5模型的基础上，结合Supermask方法与结构化通道剪枝对模型进行剪枝操作，并利用Int8量化技术最终实现对模型的轻量化处理，保证模型在菜品识别中兼顾准确率和速度，同时提高模型的可移植性。实验结果表明，所提模型在交并比（IoU）为0.5时，平均精度均值（mAP）达到99.00%，平均每帧识别时间达到59.54 ms，相较于原始YOLOv5降低了20 ms，且准确率基本保持一致。此外，利用Qt软件将新型菜品识别网络移植到瑞萨RZ/G2L开发板，构建智能出餐系统，可实现点餐、生成订单、自动出餐全流程，为未来真正的餐厅智能出餐系统的构建应用提供了理论与实践基础。

关键词：Supermask方法,YOLOv5,轻量化,网络移植,中餐菜品识别

基金资助：国家重点研发计划项目(2020YFB1710600);国家自然科学基金资助项目(62001149);浙江省重点研发计划项目(2020C01110)