典型文献
基于YOLOv5的枸杞红果在线识别
文献摘要：
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.
文献关键词：
YOLOv5;深度学习;枸杞检测;枸杞采摘
中图分类号：
作者姓名：
康彩;张凯泽;车进
作者机构：
宁夏大学物理与电子电气工程学院,宁夏 银川 750021;宁夏大学信息工程学院,宁夏 银川 750021
文献出处：
引用格式：
[1]康彩;张凯泽;车进-.基于YOLOv5的枸杞红果在线识别)[J].宁夏农林科技,2022(06):21-26
A类：
枸杞采摘,枸杞检测
B类：
YOLOv5,红果,在线识别,枸杞产业,产业现代化,高效低损,智能化采摘,项目组,深度学习方法,在线检测,原始图像,图像预处理,通过噪声,检测试验,两阶段,机位,识别准确率,召回率,单幅,测试时间,ms,误检率,遮挡,漏检率,检测精度,对比算法
AB值：
0.354361
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
