【摘要】[目的] 为准确识别糙米内部裂纹，提出了一种基于改进YOLO v5l的糙米裂纹识别算法——YOLO v5-RF。[方法] 使用深度卷积代替CBS（Convolution+Batch normalization+Sigmoid linear unit）模块中的普通卷积构建出DWBS（Depthwise convolution+Batch normalization+Sigmoid linear unit）模块，然后将DWBS模块堆叠成辅助骨干网络，再与原始的Darknet-53主干网络相结合形成基于DWBS模块的同级复合骨干网络，以提高糙米内部裂纹特征提取能力；在颈部网络使用逆向连接层来增强解码端特征的丰富性，用于提高解码端对糙米内部裂纹的识别能力；利用CBAM（Convolutional block attention module）注意力模块调整SPPF（Spatial pyramid pooling-fast）模块的通道注意力表达，通过构建一种SPPF模块与CBAM模块结合的网络结构来提高编码阶段的语义信息表达质量。[结果] 试验结果显示，所提出的YOLO v5-RF算法的平均精度（Average precision）、召回率（Recall）和精确率（Precision）分别达到了94.01%、86.92%、90.85%，相比YOLO v5l算法，分别提升了4.72%、6.23%、1.23%。[结论] 所提方法能够准确进行糙米内部裂纹的识别，可为稻谷爆腰率检测提供技术参考。