基于YOLOv5的枸杞红果在线识别

摘要：

针对枸杞产业现代化发展中枸杞高效低损智能化采摘的需求,项目组提出一种基于深度学习方法的成熟枸杞在线检测方法.首先,通过互联网和实地拍摄完成原始图像的收集,对图像预处理后通过噪声添加、角度旋转等操作完成数据集扩展;其次,对YOLOv5模型进行训练、参数优化和检测试验,并与一阶段和两阶段算法进行比较.结果表明:在不同背景、光照、天气、相机位置等情况下,对成熟挂枝枸杞的平均识别准确率为88％,召回率高达96％;单幅图片的平均测试时间为7.9 ms,红果和绿果区分明确,误检率极低;在轻微遮挡的情况下,漏检率低.同时,试验得出YOLOv5的检测精度和实时性在所有对比算法中性能最佳,满足枸杞采摘的市场需求,为高效低损智能化的枸杞采摘提供了可靠的算法支持.

关键词：YOLOv5、深度学习、枸杞检测、枸杞采摘

所属期刊栏目：63

分类号：S567.1+9;TP391.41(经济作物)

资助基金：宁夏回族自治区重点研发计划项目2017BY067

在线出版日期：2022-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：21-26