[1]马志艳,李　辉.基于 YOLOv５的茶叶嫩芽图像识别算法研究[J].湖北工业大学学报,2024,39(1):36-40.
　MA Zhiyan,LI Hui.Research on Image Recognition Algorithm of Tea Shoots Based on YOLOv5[J].,2024,39(1):36-40.
点击复制

基于 YOLOv５的茶叶嫩芽图像识别算法研究()
分享到：

《湖北工业大学学报》[ISSN:1003-4684/CN:42-1752/Z]

卷:
39
期数:
2024年第1期
页码:
36-40
栏目:
出版日期:
2024-02-20

文章信息/Info

Title:
Research on Image Recognition Algorithm of Tea Shoots Based on YOLOv5
文章编号:
1003-4684(2024)01-0036-05
作者:
马志艳; 李　辉
(湖北工业大学农机工程研究设计院,湖北 武汉 ４３００６８)
Author(s):
MA Zhiyan;  LI Hui
(Agricultural Machinery Engineering Research and Design Institute of[JZ]Hubei Univ. of Tech., Wuhan 430068,China)
关键词:
茶叶采摘; YOLOv５算法; 机器学习; 嫩芽识别
Keywords:
tea picking;  YOLOv5 algorithm;  machine learning;  tender bud identification
分类号:
TP391.9
文献标志码:
A
摘要:
现有的机器采茶都需要人工辅助进行采茶,且存在老叶、嫩芽一刀切的情况,会损害一部分茶叶,只适用于低端茶叶的采摘.因此,需要研究出一种精准高效的茶叶嫩芽识别方法.针对茶叶嫩芽图像背景复杂的问题,在 YOLOv５算法的基础上,对算法进行多角度的改进,实验结果表明,改进算法的模型的 mAP提升了４．１％,ReＧcall提升了４．０％,且改进方法减少了漏检情况的发生.
Abstract:
The existing machinery for tea picking requires manual assistance for tea picking, and there is a situation where old leaves and tender buds are cut in one piece, which can damage a portion of the tea and is only suitable for picking low end tea. Therefore, it is necessary to develop an accurate and efficient method for identifying tea buds. Aiming at the problem of complex background in tea bud images, this paper addresses the issue of complex backgrounds in images of tea bud shoots. Based on the YOLOv5 algorithm, the paper implements multifaceted improvements to the algorithm. The experimental results show that the improved model’s mean Average Precision (mAP) has increased by 4.1%, and Recall has increased by 4.0%, with the improved method reducing the occurrence of missed detections.

参考文献/References:

[１]　吴华成．茶叶褐色叶斑病的综合防治技术[J]．农业与技术,２０１５,３５(１６):１１３Ｇ１１４．[２]　 邹 勇,胡 根 贵．茶 叶 采 摘 与 管 理 [J]．安 徽 农 学 通 报,２００５,１１(０１):７１．[３]　黄藩,刘飞,王云,等．计算机视觉技术在茶叶领域中的应用现状及展望[J]．茶叶科学,２０１９,３９(０１):８１Ｇ８７．[４]　陈立杰,徐本禄．提高茶叶产值的途径探讨[J]．贵州农业科学,２００８(０３):１９０－１９２．[５]　高凤．名优茶并联采摘机器人结构设计与仿真[D]．南京:南京林业大学,２０１３．[６]　黄星奕;李剑;姜松．基于计算机视觉的稻谷品种识别技术的研究[J],江苏大学学报;自然科学版,２００４,２５(０２):１０２Ｇ１０４．[７]　龙德帆;樊尚春．计算机视觉在原木材积检测中的应用[J]．仪器仪表学报(增刊),２００４,２５(０４):１０２４Ｇ１０２５．[８]　蓝金辉,王迪,申小盼．卷积神经网络在视觉图像检测的研究进展[J]．仪器仪表学报,２０２０,４１(０４):１６７Ｇ１８２．[９]　王彦翔,张艳,杨成娅,等．基于深度学习的农作物病害图像识别技术进展[J]．浙江农业学报,２０１９,３１(０４):６６９Ｇ６７６．[１０]KRIZHEVSKYA,SUTSKEVERI,HINTONG．ImＧageNetclassification with deep convolutionalneuralnetworks[C]．∥Conferenceand Workshopon NeuralInformationProcessingSystems．LakeTahoe,NevadＧa,USA:MITPress,２０１２:１０９７Ｇ１１０５．[１１]王琨,刘大茂．基于深度学习的茶叶状态智能识别方法[J]．重庆 理 工 大 学 学 报 (自 然 科 学),２０１５,２９(１２):１２０Ｇ１２６．[１２]陈妙 婷．基 于 计 算 机 视 觉 的 名 优 茶 嫩 芽 识 别 与 定 位[D]．青岛:青岛科技大学,２０１９．[１３]孙肖肖．基于深度学习的茶叶嫩芽检测和叶部病害图像识别研究[D]．太原:山西农业大学,２０１９．[１４]LINGYUC,MEICHENGZ,SHUNQIANGD,etal．Underwater target recognition based on improvedYOLOv４neuralnetwork [J]．Electronics,２０２１,１０(１４):１６３４．[１５]WOOS,PARKJ,LEEJY,etal．Cbam:ConvoluＧtionalblockattentionmodule[C]．∥ProceedingsoftheEuropeanConferenceonComputerVision (ECCV),２０１８:３Ｇ１９．[１６]SHAOQINGR,KAIMING H,ROSSGIRSHICK,etal．FasterRＧCNN:towardsrealＧtimeobjectdetectionwithregionproposalnetworks[J]．IEEETransactionsonPattern Analysisand MachineIntelligence,２０１６,３９(０６):１１３７Ｇ１１４９．[１７]LIU W,ANGUELOVD,ERHAND,etal．SSD:sinＧgleshotmultiboxdetector[C]．EuropeanConferenceonComputerVision,SpringerInternationalPublishＧing,２０１６:２１Ｇ３７．[１８]REDMONJ,FARHADIA．YOLOv３:AnIncrementalImprovement[J]．Journalof Computer Vision ReＧsearch,２０１８,１(０２):１０Ｇ１６．

备注/Memo

备注/Memo:
[收稿日期]２０２３- ０１ -２９[基金项目]国家重点研发计划基金资助项目(２０１８YFD０７０１００２－０３)[第一作者]马志艳(１９７６－),男,湖北武汉人,工学博士,湖北工业大学副教授,研究方向为农业信息化与智能化.
更新日期/Last Update: 2024-03-14