文献类型：期刊文章

作　　者：姜月[1] 肖萌[1] 李海霞[1]

机构地区：[1]重庆科技学院,重庆

出　　处：《人工智能与机器人研究》

年　　份：2022

卷　　号：11

期　　号：2

起止页码：84-90

语　　种：中文

收录情况：IC、RCCSE、普通刊

摘　　要：神经网络算法在人工智能领域有着广泛的应用,如本文中智慧农业中的麦穗识别。本研究采用YOLOv5s 算法研究麦穗的目标检测,将目标检测算法和神经网络算法相结合。研究的数据集来自Global Wheat Head detection (GWHD) dataset2020和AI crowd中GWHD dataset 2021,利用LabelImg软件进行标注,将标注后的数据先采用PIL中的旋转、翻转、亮度提升等对数据进行增强预处理,其次,选用YOLO系列算法对预处理后的数据集进行目标检测。增大麦穗训练集的规模,提高模型的泛化能力。通过YOLO算法进行麦穗检测,确保对数据集进行目标检测的准确性。利用该模型对麦穗图像进行检测。其中YOLOv5算法在输入端增加了Mosaic数据增强、自适应anchor以及图像缩放板块。并在neck上使用FPN和PAN结合板块,其精确率、召回率和平均精度在测试集上的精度分别为78.1%、85%、52.1%,比YOLOv3的检验结果高,该方法可以高效地检测并标注麦穗。

关 键 词：麦穗识别  YOLOv5s算法  Global Wheat  

分 类 号：TP183] TP391.41]