基于YOLOv5的枸杞红果在线识别

作者：康彩; 张凯泽; 车进^*

来源：宁夏农林科技, 2022, 63(06): 21-26.

DOI：10.3969/j.issn.1002-204x.2022.06.006

• YOLOv5
• 深度学习
• 枸杞检测
• 枸杞采摘

针对枸杞产业现代化发展中枸杞高效低损智能化采摘的需求，项目组提出一种基于深度学习方法的成熟枸杞在线检测方法。首先，通过互联网和实地拍摄完成原始图像的收集，对图像预处理后通过噪声添加、角度旋转等操作完成数据集扩展；其次，对YOLOv5模型进行训练、参数优化和检测试验，并与一阶段和两阶段算法进行比较。结果表明：在不同背景、光照、天气、相机位置等情况下，对成熟挂枝枸杞的平均识别准确率为88%，召回率高达96%；单幅图片的平均测试时间为7.9 ms，红果和绿果区分明确，误检率极低；在轻微遮挡的情况下，漏检率低。同时，试验得出YOLOv5的检测精度和实时性在所有对比算法中性能最佳，满足枸杞采摘的市场需求，为高效低损智能化的枸杞采摘提供了可靠的算法支持。