基于YOLOv5深度学习的茶叶嫩芽估产方法

摘要：

针对丘陵地区小规模茶园估产难度高,估产手段少等问题,采用基于YOLOv5的 目标检测算法和田间抽样调查法,对丘陵地区小规模茶园估产问题进行研究.在茶园中随机抽取9个有代表性的茶叶生长点;使用 目标检测算法识别抽样点茶叶嫩芽数目;利用最小二乘法拟合茶叶嫩芽产量与数目间的线性关系;结合抽样点识别出的嫩芽数目、抽样点面积、线性拟合关系和茶园整体面积估算出茶园茶叶嫩芽产量.结果表明:1)基于YOLOv5的目标检测算法对茶叶嫩芽识别的精度为99.02％,平均准确率为90.14％;2)茶叶嫩芽数目和产量间有高度线性关系,决定系数R2为0.999 8;3)通过算法估计的茶叶嫩芽产量与实际采收产量相对误差为29.56％.本研究能够较为方便的估算出茶园茶叶嫩芽产量,在茶叶生长时期为农户提供产量相关的数据支持,便于茶叶生产的前期管理.

关键词：茶叶估产、茶叶嫩芽识别、机器视觉、YOLOv5

所属期刊栏目：27

分类号：S24(农业电气化与自动化)

资助基金：四川省重点研发计划;国家成都农业科技中心科技项目

在线出版日期：2022-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：213-220