推进莉花茶的生产:基于YOLOv7的实时莉花花检测
Hanlin Zhou1, Jianlong Luo2, Qiuping Ye3
1College of Food Science, Fujian Agriculture and Forestry University, Fuzhou, China.
Journal of the science of food and agriculture
|July 20, 2024
概括
这项研究使用YOLOv7算法进行深度学习,根据生长阶段对莉花进行分类,从而达到高精度. 这项技术有助于精确的收获,以获得更好的莉花茶生产.
科学领域:
- 农业技术 农业技术
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 高质量的莉花茶的生产依赖于在最佳生长阶段收获花朵.
- 环境和人工因素在实现精确的莉花花选方面带来了挑战.
- 需要对莉花进行自动分类,以提高收获效率.
研究的目的:
- 用视觉属性对莉花的不同生长阶段进行分类.
- 评估YOLOv7算法对莉花花的分类的有效性.
- 在莉花生产中为智能收获系统提供基础.
主要方法:
- 利用YOLOv7算法,这是一个最先进的卷积神经网络,用于图像分类.
- 在代表五个不同的开放级别的莉花数据集上训练模型.
- 应用图像处理技术,包括模糊和亮度调整,以提高模型的稳定性.
主要成果:
- 对于莉花花的检测,实现了0.948的平均平均精度 (mAP).
- 对于不同开放度的高分类准确度:小芽的87.7%到全开的93.9%.
- 图像处理的改进提高了算法的可靠性.
结论:
- 深度学习算法对于在不同生长阶段区分莉花是有效的.
- 这种方法为莉花产量估计提供了可行的参考.
- 允许开发智能,精确的采花应用程序,减少浪费和成本.
