基于YOLOv5的核桃品种识别与定位

摘要：

为实现对不同品种核桃的分类与定位,提出一种基于深度学习的核桃检测方法.首先,以新疆南疆地区主产的三种核桃为对象进行图像采集,并对图像进行翻转、裁剪、去噪、光照变换等操作制作核桃数据集;然后,采用基于YOLOv5的检测模型进行试验,并与YOLOv3、YOLOv4和Faster RCNN算法进行比较.结果表明,基于YOLOv5的模型对新2、新光和温185核桃检测的平均精度均值分别为99.5％、98.4％和97.1％,单幅图像检测耗时为7 ms.在相同数据集、相同试验环境下,该模型的检测速度是Faster RCNN的7倍,该模型的检测精度比YOLOv4高2.8％且模型大小仅为YOLOv4的1/14.试验结果表明,基于YOLOv5的核桃检测方法在检测精度和速度上是所有对比算法中最高的,适合本研究的检测需求,可为机器人自主分拣核桃提供研究基础.

关键词：深度学习、核桃检测、YOLOv5、自主分拣

所属期刊栏目：43

分类号：S24(农业电气化与自动化)

资助基金：上海援疆项目2019690001

在线出版日期：2022-07-01（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：167-172