基于YOLOv5s的深度学习在自然场景苹果花朵检测中的应用OA北大核心CSTPCD
疏花是苹果栽培的重要管理措施,机械疏花是目前最具有发展潜力的疏花方式,花朵的高效检测是疏花机器人高效作业的重要保障。该研究基于机器视觉与深度学习技术,提出了一种基于YOLOv5s深度学习的苹果花朵检测方法,在对田间拍摄得到的苹果花朵图像标注后,将其送入微调的YOLOv5s目标检测网络进行苹果花朵的检测。经测试,模型的精确率为87.70%,召回率为0.94,均值平均精度(mean Average Precision,mAP)为97.20%,模型大小…查看全部>>
尚钰莹;张倩如;宋怀波
西北农林科技大学机械与电子工程学院,杨凌712100 农业农村部农业物联网重点实验室,杨凌712100 陕西省农业信息感知与智能服务重点实验室,杨凌712100西北农林科技大学机械与电子工程学院,杨凌712100 农业农村部农业物联网重点实验室,杨凌712100 陕西省农业信息感知与智能服务重点实验室,杨凌712100西北农林科技大学机械与电子工程学院,杨凌712100 农业农村部农业物联网重点实验室,杨凌712100 陕西省农业信息感知与智能服务重点实验室,杨凌712100
信息技术与安全科学
机器视觉苹果花朵检测YOLOv5s自然场景
《农业工程学报》 2022 (9)
P.222-229,8
评论