基于YOLOv5s的草莓病害识别系统设计_邱菊.pdf
《基于YOLOv5s的草莓病害识别系统设计_邱菊.pdf》由会员分享,可在线阅读,更多相关《基于YOLOv5s的草莓病害识别系统设计_邱菊.pdf(3页珍藏版)》请在咨信网上搜索。
1、文章编号:1673-887X(2023)05-0041-03基于YOLOv5s的草莓病害识别系统设计邱菊1,徐燕2(北京物资学院 信息学院,北京101149)摘要草莓种植易受到20多种病害的影响,目前草莓病害识别主要以人工为主,耗时费力,效率较低。因此,文章基于YO-LOv5s目标检测算法(YOLO You Only Look Once:Unified,Real-Time Object Detection),对采集到的696张草莓病害图片进行模型训练,设计草莓病害识别系统,实验结果显示系统识别精度接近80%,相较于传统草莓病害识别技术更便捷且识别效率更高。关键词草莓病害;YOLOv5s;图像识
2、别;深度学习中图分类号S436.68文献标志码Adoi:10.3969/j.issn.1673-887X.2023.05.015Design of Strawberry Disease Identification System Based on YOLOv5sQiu Ju1,Xu Yan2(School of Information,Beijing Wuzi University,Beijing 101149,China)AbstractAbstract:Strawberry is easily affected by more than 20 diseases during plantin
3、g.At present,strawberry disease identification ismainly manual,time-consuming and laborious,with low efficiency.Therefore,based on the yolov5s image recognition algorithm,this paper conducts model training on 696 collected strawberry disease images,and designs a strawberry disease recognition system
4、.The experimental results showed that the recognition effect of the system is good.Key words:strawberry diseases,YOLOv5s,pattern recognition,deep learning草莓肉质细韧,酸甜适口,营养丰富,在国内外市场上备受欢迎。但是,草莓种植过程中易受到20多种病害威胁,制约了草莓的产业化发展。目前草莓病害识别仍以人工为主,耗时费力,人工成本高,急需科技化手段提升草莓病害识别效果。人工智能技术已被广泛应用于图像识别、目标追踪等领域。很多学者尝试利用人工智能技
5、术解决草莓病害识别方面的问题1,牛冲等人运用改进的分水岭图像分割技术,通过特征提取对草莓病害进行识别2。崔灿等人则是利用卷积神经网络(CNN)进行草莓病害识别3,CNN是一种前向神经网络和深度学习方法,通过共享权值、局部连接和池化达到网络更优化并降低过拟合,利用多层卷积层和池化层提取图像的分类特征4。张金慧等人提出了利用人工智能技术的草莓病害识别设备5。以上学者的研究虽在一定程度上提高了识别草莓病害的效率,但仍存在识别类型单一、操作复杂、识别效率较低等问题。因此,本文以草莓作为研究对象,采用YOLOv5s算法,针对目前人工识别草莓病害耗时费力等问题,构建草莓病害识别模型,对于实现设施草莓远程实
6、时病害识别、提高经济效益具有现实意义。1YOLO目标检测模型YOLO 是 Joseph Redmond 和 Ali Farhadi 等 人 在 借 鉴Google Net基础上提出的采用单独CNN模型实现的目标检测系统。它的核心思想是利用整张图作为输入后直接在输出层回归边界框(Bounding box)的位置和类别。随着时间的推移,YOLO算法也在不断提升和优化,相继出现YOLOv2、YO-LOv3、YOLOv4、YOLOv5模型。YOLOv5的核心包括输入端、主干网络(Backbone)、颈部(Neck)、和输出端4部分,它在YOLOv4算法的基础上做了进一步的改进,检测性能方面得到很大的提
7、升。YOLOv5对原始图像自适应添加最少的黑边,图像高度上两端的黑边减少了,使得相比之前推理速度提升了37%,同时YOLOv5的精确度相对于YOLOv4也有显著提高。官方给出的YOLOv5目标检测网络的4个模型分别为YOLOv5s,YOLOv5m,YOLOv5l,YOLOv5x。本文选择的是 YOLOv5s模型,YOLOv5s6模型是YOLOv5系列中深度最小且特征图宽度最小的模型,优点是简洁、快速、易部署。2实验过程与分析2.1实验平台本系统开发的硬件环境为字长是64位的计算机。软件操作系统为Windows 10,基于python 3.6版本在anaconda搭建了一个虚拟环境,利用云端GP
8、U在Google colab平台上训练数据集,验证和测试的代码在PyCharm中编译和运行。收稿日期2022-12-06基金项目大学生科学研究与创业行动计划项目,项目编号为2021103044。作者简介邱菊(2000),女,北京,本科在读,研究方向:智慧农业。通讯作者徐燕,E-mail:。农业装备第5期(总第401期)412.2数据集简介与训练策略在不同角度、不同距离和不同光线下拍摄采集草莓照片696张作为模型训练与测试的数据集。利用Mosaic数据增强方法,最终训练的标签数为1 926个。2.3数据集标注数据集中的图片分别利用Make Sense在线标注工具逐一进行标注,在标注前需要先创建分
9、类标签,本文共创建4个分类标签,其名称及含义见表1。表1标签分类情况Tab.1 The classification of labels标签名称goodbadripeunripe有无病害无有无无颜色红红红绿形状良好差差差采用矩形模式进行标注,标注后的图片作为训练集。在PyCharm中编写代码并以YOLOv5s作为主干网络,将编写好的代码压缩后存到谷歌云盘中,连接 Colab GPU服务器,在Google Colab上挂载云盘,解压压缩的代码,更改运行目录,配置好环境后即可开始训练,期间可以不断刷新来观察训练结果。训练结束后,导出训练完的模型,上传到PyCharm中。从训练集中随机选取10%的草
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 YOLOv5s 草莓 病害 识别 系统 设计 邱菊
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。