基于YOLO v5s目标检测算法的烤烟鲜叶成熟度识别方法

作者：杜鹏程; 蒋笃忠; 向阳^*; 敬礼恒; 伍守贵; 骆君华

来源：江苏农业科学, 2023, 51(19): 158-165.

DOI：10.15889/j.issn.1002-1302.2023.19.024

• 新鲜烟叶
• 深度学习
• YOLO v5
• 成熟度

新鲜烟叶的成熟度对烤后烟叶的质量有显著影响，可于烘烤前完成不同成熟度的新鲜烟叶分选，并对各成熟度采用特定烘烤工艺，以提高烘烤后的烟叶质量。以云烟87的新鲜烟叶为试验样本，将采集的新鲜烟叶分为上部叶、中部叶、下部叶，并依据不同部位成熟度划分为欠熟、成熟、过熟。采用YOLO v5s目标检测算法，利用卷积神经网络提取新鲜烟叶的不同成熟度特征，完成不同部位新鲜烟叶的成熟度识别试验，并与Faster-RCNN、Mask-RCNN检测模型的测试结果进行对比。结果表明，YOLO v5s对云烟87不同部位新鲜烟叶成熟度检测的总体mAP值分别为99.1%、97.5%、98.5%,单幅图像检测平均时间为29～30 ms。3种模型的对比试验中，Mask-RCNN、Faster-RCNN测试的mAP值均低于YOLO v5s,单幅图像检测平均时间均远高于YOLO v5s。采用YOLO v5s训练的不同部位新鲜烟叶的检测模型，在检测速度与精准度方面基本满足对新鲜烟叶成熟度识别的生产要求。

• 单位
  机电工程学院; 湖南农业大学