10.13733/j.jcam.issn.20955553.2022.07.024
基于YOLOv5的核桃品种识别与定位
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.
深度学习、核桃检测、YOLOv5、自主分拣
43
S24(农业电气化与自动化)
上海援疆项目2019690001
2022-07-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
167-172