摘要
【目的】为实现果园自然场景下智能农业机器人对桃花的准确、快速、有效检测。【方法】文章采用相机获取桃花图片数据,通过LabelImg软件进行人工标记建立桃花目标识别的检测样本数据集,训练Darknet深度学习框架下的YOLO v4模型对桃花进行识别。【结果】模型精度评估表明,YOLO v4模型的平均准确率MAP值(86%)比Faster RCNN的MAP值(51%)高出35%。【结论】YOLO v4与经典的算法相比,对各种自然环境下的桃花检测具有较好的实时性和鲁棒性,可为精准识别桃花提供重要参考价值,桃花精准识别为疏花疏果作业奠定了基础。
-
单位福州大学; 四川省农业科学院