基于轻量化改进YOLOv5 的苹果树产量测定方法

分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》

李志军 杨圣慧 史德帅 刘星星 郑永军

摘要： 果树测产是果园管理的重要环节之一，为提升苹果果园原位测产的准确性，本研究提出一种包含 改进型YOLOv5果实检测算法与产量拟合网络的产量测定方法。利用无人机及树莓派摄像头采集摘袋后不同 着色时间的苹果果园原位图像，形成样本数据集; 通过更换深度可分离卷积和添加注意力机制模块对YO⁃ LOv5算法进行改进，解决网络中存在的特征提取时无注意力偏好问题和参数冗余问题，从而提升检测准确 度，降低网络参数带来的计算负担; 将图片作为输入得到估测果实数量以及边界框面总积。以上述检测结 果作为输入、实际产量作为输出，训练产量拟合网络，得到最终测产模型。测产试验结果表明，改进型YO⁃ LOv5果实检测算法可以在提高轻量化程度的同时提升识别准确率，与改进前相比，检测速度最大可提升 15.37%，平均mAP最高达到96.79%; 在不同数据集下的测试结果表明，光照条件、着色时间以及背景有无 白布均对算法准确率有一定影响; 产量拟合网络可以较好地预测出果树产量，在训练集和测试集的决定系 数R2 分别为0.7967和0.7982，均方根误差RMSE分别为1.5317和1.4021 ㎏，不同产量样本的预测精度基本稳 定; 果树测产模型在背景有白布和无白布的条件下，相对误差范围分别在7%以内和13%以内。本研究提出 的基于轻量化改进YOLOv5的果树产量测定方法具有良好的精度和有效性，基本可以满足自然环境下树上苹 果的测产要求，为现代果园环境下的智能农业装备提供技术参考。

 点击量 364  下载量 128  评论