基于改进的YOLOv5在真实采摘环境中的茶芽检测模型
Hongfei Li1, Min Kong1,2, Yun Shi2
1School of Electrical Engineering, Anhui Polytechnic University, Wuhu 241000, China.
Biomimetics (Basel, Switzerland)
|November 26, 2024
概括
这项研究引入了一种改进的YOLOv5茶叶检测模型,用于自动茶叶采摘. 改进后的模型实现了更高的精度和回忆力,在复杂的环境中改善了茶叶芽检测.
科学领域:
- 计算机视觉 计算机视觉
- 农业技术 农业技术
- 机器学习 机器学习
背景情况:
- 自动茶叶采摘依赖于精确的茶叶芽检测.
- 挑战包括复杂的环境,小目标和模糊的焦点.
研究的目的:
- 为自动茶叶采摘提出一个高性能茶叶芽检测模型.
- 解决现有模型在挑战条件下检测小和封闭的茶叶芽方面的局限性.
主要方法:
- 开发了一个改进的YOLOv5模型,命名为YOLOv5-tea.
- 嵌入简化空间金字塔聚合快速 (SimSPPF) 在脊柱中.
- 在子网络中利用了双向特征金字塔网络 (BiFPN) 和全维动态卷积 (ODConv).
主要成果:
- 改进后的模型显示精度增加了4.4%,回忆增加了2.3%,平均精度增加了3.2%.
- 提高了对小,封闭和模糊茶叶芽的检测准确度.
- 与初始模型相比,实现了更好的推断速度.
结论:
- 茶叶模型YOLOv5显著提高了茶叶芽检测性能.
- 该模型在复杂环境中为自动茶叶收获提供了实际意义.
更多相关视频
08:20Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
Published on: October 27, 2023
1.3K
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
10.6K
