当前位置: 首页 > 文章 > 基于改进的YOLOv5甘蔗茎节智能识别系统 农机化研究 2024 (5) 140-145
Position: Home > Articles > 基于改进的YOLOv5甘蔗茎节智能识别系统 Journal of Agricultural Mechanization Research 2024 (5) 140-145

基于改进的YOLOv5甘蔗茎节智能识别系统

作  者:
戴久翔;岳学军;黄世醒;黄燕娟;郑丁科;杨丹彤
单  位:
华南农业大学南方农业机械与装备关键技术省部共建教育部重点实验室
关键词:
甘蔗茎节;目标识别;嵌入式开发平台;实时监测;YOLOv5网络;注意力模块
摘  要:
甘蔗茎节的快速准确识别对实现甘蔗田间作业和糖料产业精细化管理等任务具有重要意义,是田间产量测量的前提。为此,针对当前甘蔗人工测量成本高、人工参与量大和工作效率低等问题,设计了一种基于边缘计算的便携式甘蔗茎节智能识别系统。YOLOv5网络模型具有架构小、运行速度快等优势,通过对网络模型的进一步改进,使用K均值聚类方法调整锚框尺寸至最优,增强网络模型鲁棒性的同时也提高了茎节识别准确性;在卷积层后添加了CBAM注意力机制模块,使网络模型更加关注甘蔗茎节特征;引入VarifocalNet,使网络模型对于密集遮挡区域的甘蔗茎节有更好的识别效果。将改进后的算法移植入Jetson TX2嵌入式开发平台。试验结果表明:系统平均准确率(AP值)为89.89%,相比于之前的88.23%,提升了1.66%,单幅图像检测时间约为1.87s,视频检测速度可达15fps。系统可有效实现对甘蔗茎节的实时准确识别,为甘蔗田间产量测量提供了新的解决思路。

相似文章

计量
文章访问数: 17
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊