基于深度学习的农业有害生物识别监测系统

作者：周为鹏; 方定磊; 顾仕杰; 颜新云^*

来源：电子测试, 2022, (15): 56-59.

DOI：10.16520/j.cnki.1000-8519.2022.15.020

• YOLOv5
• NCNN
• SQLite
• 原生安卓

本系统采用YOLOv5实现有害生物检测算法，手机端采用NCNN部署模型，离线数据库采用SQLite，同时实现WEB端平台，完成系统管理与可视化统计分析。通过真实环境下的测试得出，mAP值约为93%，测试精度约为71%。在安卓设备上进行识别约耗时100ms，较好地实现了功能。

• 单位
  金陵科技学院; 南京农业大学; 杭州电子科技大学