基于深度学习的农作物健康检测实现OA
为帮助人们解决农作物健康问题,提升农业生产的效率和质量,该研究基于ResNet50与YOLOv5深度学习算法,设计并实现一个应用于农业领域的多模块图像检测系统,并使用PyQt5技术进行可视化。通过数据增强、学习率优化、超参数调整以及迁移学习操作,实现ResNet50与YOLOv5模型对农作物病虫害和健康的准确检测;验证结果表明该系统在病害识别、缺水识别、缺微量元素识别、毒性植株识别和杂草检测等模块均达到良好的识别水平,证明该系统的可行性与实用性。
吴霆;朱龙辉;李蕾;王皓勇;陈阜昌
仲恺农业工程学院,广州510225仲恺农业工程学院,广州510225仲恺农业工程学院,广州510225仲恺农业工程学院,广州510225仲恺农业工程学院,广州510225
计算机与自动化
深度学习ResNet50YOLOv5病害识别杂草检测
《智慧农业导刊》 2024 (24)
P.21-23,28,4
广东省教育厅重点领域专项(2022ZDZX4019)。
评论