基于YOLOv5的自然环境下核桃果实识别算法研究.pdf
《基于YOLOv5的自然环境下核桃果实识别算法研究.pdf》由会员分享,可在线阅读,更多相关《基于YOLOv5的自然环境下核桃果实识别算法研究.pdf(3页珍藏版)》请在咨信网上搜索。
1、第 18 期2023 年 9 月无线互联科技Wireless Internet TechnologyNo.18September,2023基金项目:陕省教育厅专项科研计划项目;项目编号:22JK0363。商洛市科技局项目;项目编号:2021-z-0043。商洛学院科研项目;项目编号:19SKY009。作者简介:王园园(1987),女,陕西商洛人,讲师,硕士,研究方向:计算机视觉。基于 YOLOv5 的自然环境下核桃果实识别算法研究王园园,党延江,何 博(商洛学院 电子信息与电气工程学院,陕西 商洛 726000)摘要:自然环境下核桃果实目标的表皮颜色与叶片颜色极为接近,一般的果实识别算法无法准
2、确地分割出近色系果实的问题。为了解决这个问题,文章使用 YOLOv5 算法进行核桃果实识别,在不同时间、角度和距离条件下,在自然环境下采集 1 482 张实核桃图像,利用 LabelImg 标定软件对核桃果实图像进行标定,建立了核桃果实数据集。文章采用 YOLOv5 算法进行核桃果实识别,结果显示其稳定状态下的模型的 AP 值可达到 0.930,识别速度可达每秒 0.115 幅。此算法基本可以满足核桃实时检测需求,对实现核桃自动化采摘具有重要意义。关键词:目标检测;核桃识别;卷积神经网络;YOLOv5中图分类号:TP312 文献标志码:A0 引言 随着核桃盛果期面积增加,产量提高以及农村劳动力
3、短缺,核桃采摘及处理问题渐渐凸显出来,研发核桃采摘机器人是十分必要的。研发采摘机器人重点和难点在视觉系统,视觉系统负责感知环境以及识别和定位果蔬,是果实采摘的第一步1。实际果园所采集的核桃图像,受光照和枝叶影响,目标果实往往会枝叶遮挡、相互重叠、枝叶背景相对复杂,且由于目标果实颜色与背景颜色十分相近,从而导致目标果实检测精度降低,难以满足在实际作业机械的装配需求。2012 年,钱建平等2基于 RGB、HSV 混合颜色空间对核桃进行了识别。近年,有科研工作者采用彩色相机研发出了实体采摘机器人。2016 年,孙贤刚等3采用 2R-G-B 的 Otsu 阈值法分割出草莓,研发出的机器人具有自动导航、
4、识别以及自动采摘核桃的功能。2019 年,胡浩波等4应用双目视觉系统进行了苹果的识别。本文采用 YOLOv5 进行果实识别研究具有非常重要的意义,通过基于深度学习目标检测算法,提高核桃果实识别效率,可以满足核桃实时检测需求,对实现核桃自动化采摘具有重要意义。1 YOLOv5 算法 You Only Look Once 简称为 YOLO 算法(Unified,Real-Time Object Detection),You Only Look Once 的意义为,在整个运算过程中,只需添加一次 CNN 运算Unified 对框架的统一性进行详细说明,并包涵端对端的预测,但与之不同的是 Real-T
5、ime 所体现的是YOLO 的效率5-7。YOLOv5 是一种单阶段目标检测算法,它 在YOLOv4 的基础上加入了一些新思路,从而实现了在速度和精度上的极大提升。YOLOv5 主要包括以下几个部分。输入端:为了提高数据的多样性和训练的鲁棒性,YOLOv5 采用了 Mosaic 数据增强、自适应锚框计算和自适应图片缩放等策略。这些改进措施使得模型可以更好地适应不同场景和目标的变化。基准网络:YOLOv5 引入了一些新的结构,包括Focus 结构和 CSP 结构。这些新结构的设计旨在加速计算并提高检测精度,从而提升整体模型的性能。Neck 网络:针对目标检测网络中 BackBone 和Head
6、输出层之间的瓶颈问题,YOLOv5 采用了 FPN+PAN 结构作为 Neck 网络。该结构能够提高特征的利用率和感受野范围,进一步提升目标检测的准确性和鲁棒性。Head 输出层:YOLOv5 对训练损失函数进行了改进,采用了 GIOU_Loss。此外,还引入了 DIOU_nms 预测框筛选算法,以进一步提高检测的准确度和效果。以上这些改进思路和策略虽然比较简单,但都可以提升检测算法的性能。YOLOv5 的网络架构如图 1 所示。711第 18 期2023 年 9 月无线互联科技技术应用No.18September,2023图 1 YOLOv5 的网络架构2 核桃果实数据集制作 本研究以绿色目
7、标果实精准检测为目标。陕西省是我国三大核桃种植地区之一,是核桃生产的传统大省。延安以南大部分地区是传统的核桃生产地区。商洛被国家林业和草原局授予“中国核桃之乡”称号。选择核桃作为研究对象,便于数据采集。图像采集:实验所需核桃图片采自陕西省商洛市 洛南县核桃种植园,以及商洛市商州区周边山区散种核桃,利用红米手机拍摄,保存为.jpg 格式,24 位彩色图像。拍摄周期为 60 天,采集图像充分考虑光照、天气、成熟度等多种因素,拍摄核桃图像 1 482 张,包含枝叶遮挡、果实重叠、逆光、阴影、雨滴未干、远程拍摄目标小等问题。图 2 为部分采集图像展示。采用 LabelImg 标注工具按照 Pascal
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 YOLOv5 自然环境 核桃 果实 识别 算法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,个别因单元格分列造成显示页码不一将协商解决,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。