典型文献
YOLOv5在农田害虫图像识别中的应用
文献摘要：
为了对农田病虫害进行有效的预防和控制,需要进行虫情分析.由于农田害虫的多样性和复杂性,通过人工观察统计的传统害虫监测方式已经难以满足现代大规模农业生产对虫害预防工作的需要.由计算机进行识别的目标检测算法恰好可以解决这一问题.随着目标检测的发展,以卷积神经网络为核心算法的深度学习由于对图片计算效率大幅提升,计算成本也大幅降低,被广泛运用在目标检测识别中.本文通过分析前人对基于深度学习的目标检测算法的研究,综合考虑、选取YOLO v5模型,对虫情测报灯所所采集到的对28种害虫进行识别,以便减少农药的滥用和误用,改善农田生态环境.最终识别准确度达到了99.3％.
文献关键词：
害虫识别;目标检测算法;YOLO v5;卷积神经网络
中图分类号：
作者姓名：
许星宇;谢维奇
作者机构：
金陵科技学院计算机工程学院 南京 211169
文献出处：
引用格式：
[1]许星宇;谢维奇-.YOLOv5在农田害虫图像识别中的应用)[J].福建电脑,2022(10):7-11
A类：
B类：
YOLOv5,农田害虫,图像识别,病虫害,预防和控制,情分,监测方式,预防工作,目标检测算法,恰好,核心算法,计算效率,计算成本,目标检测识别,分析前,虫情测报灯,误用,农田生态,害虫识别
AB值：
0.294438
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。
