基于改进YOLOv5+DeepSort的柑橘果实识别与计数研究

摘要：

[目的]传统的水果检测识别技术具有一定的环境适应缺陷性和主观性,通常是对水果的纹理、颜色、形状等外表特征进行提取和识别,为实现对柑橘果实产量的精准预测,需研究温室环境下对柑橘果实的快速识别及计数.[方法]项目组选取从柑橘种植园中多场景拍摄的5926张图片作为训练集、738张图片作为验证集、608张图片作为测试集,采用DeepSort算法结合改进YOLOv5算法的方式,通过在主干部分加入SE注意力机制以实现对算法的改进,从而提高对柑橘果实的识别效果;在柑橘果实计数部分,主要采用DeepSort算法给予每个柑橘果实单独的ID编号以实现对柑橘果实的计数.[结果]改进后的YOLOv5算法对柑橘果实的平均识别准确率为93.712%,相比改进前的CenterNet算法、EfficientDet算法、SSD算法、YOLOv4算法、YOLOX算法,平均识别准确率提升了1.354个百分点,并且精确度和召回率也有一定的提升,结合DeepSort算法后对柑橘果实的平均多目标跟踪准确率为88.465%,可较准确地实现对柑橘果实的计数.[结论]DeepSort算法具有提升目标被环境等其他因素遮挡情况下的计数效果的优点,加入SE注意力机制对YOLOv5算法进行改进,对柑橘果实具有更好的识别效果.

关键词：YOLOv5算法、DeepSort算法、SE注意力机制、柑橘果实

所属期刊栏目：54

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家级大学生创新创业训练计划项目202110564023

在线出版日期：2023-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：9-13