典型文献
基于改进YOLO v5的夜间温室番茄果实快速识别
文献摘要：
为实现日光温室夜间环境下采摘机器人正常工作以及番茄快速识别,提出一种基于改进YOLO v5的夜间番茄果实的识别方法.采集夜间环境下番茄图像2000幅作为训练样本,通过建立一种基于交并比的CIOU目标位置损失函数,对原损失函数进行改进,根据计算函数anchor生成自适应锚定框,确定最佳锚定框尺寸,构建改进型YOLO v5网络模型.试验结果表明,改进YOLO v5网络模型对夜间环境下番茄绿色果实识别精度、红色果实识别精度、综合平均识别精度分别为96.2％、97.6％和96.8％,对比CNN卷积网络模型及YOLO v5模型,提高了被遮挡特征物与暗光下特征物的识别精度,改善了模型鲁棒性.将改进YOLO v5网络模型通过编译将训练结果写入安卓系统制作快速检测应用软件,验证了模型对夜间环境下番茄果实识别的可靠性与准确性,可为番茄实时检测系统的相关研究提供参考.
文献关键词：
番茄果实;温室;识别;改进YOLO v5;夜间
中图分类号：
作者姓名：
何斌;张亦博;龚健林;付国;赵昱权;吴若丁
作者机构：
西北农林科技大学水利与建筑工程学院,陕西杨凌712100;西北农林科技大学旱区农业水土工程教育部重点实验室,陕西杨凌712100
文献出处：
引用格式：
[1]何斌;张亦博;龚健林;付国;赵昱权;吴若丁-.基于改进YOLO v5的夜间温室番茄果实快速识别)[J].农业机械学报,2022(05):201-208
A类：
B类：
YOLO,v5,温室番茄,番茄果实,快速识别,日光温室,采摘机器人,训练样本,交并比,CIOU,目标位置,损失函数,anchor,锚定框,改进型,果实识别,识别精度,红色果实,卷积网络,遮挡,暗光,模型鲁棒性,编译,写入,安卓系统,系统制作,快速检测,检测应用,应用软件,实时检测系统
AB值：
0.343314
相似文献
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。
