基于YOLOv5 算法的作物识别技术研究

作　　者： 马衍波；瞿丹

摘　　要： 实现自然环境下农作物的识别，是自动化采摘的技术基础。现有罗汉果和茶叶嫩芽识别技术存在精度低、模型大及鲁棒性差的缺点，提出了一种基于 YOLOv5 的识别方法。针对罗汉果和茶叶嫩芽不同特征，模型进行了网络结构的修改，选择代替残差结构的连接方式以及对损失函数进行优化，并对模型参数做了自适应处理。利用改进的 YOLOv5 算法对罗汉果及茶叶嫩芽进行识别，并与其他目标检测算法进行对比，实验得知平均精确度分别为 96.7% 和 93.2%，召回率分别为 98.2% 和 96.3%，模型大小为 14.2MB 和 15.8MB。与其他主流的识别检测模型相比，该算法精确度较高，识别时间显著减少，更具备较好的鲁棒性，模型较小，可适用于移动设备。

来　　源： 《信息产业报道》 2024-12