基于YOLOv5模型的飛蓬屬入侵植物目標檢測

打開文本圖片集

摘要：為應(yīng)用深度學(xué)習(xí)模型實現(xiàn)機器快速準確識別農(nóng)田惡性雜草，以田間常見的2種飛蓬屬入侵植物為對象，采集樣本圖像并標注雜草目標，基于網(wǎng)絡(luò)結(jié)構(gòu)深度、寬度可調(diào)的一階段目標檢測模型YOLOv5搭建訓(xùn)練平臺和嵌入式測試平臺，訓(xùn)練14組具有不同網(wǎng)絡(luò)層和卷積核的模型權(quán)重，驗證模型精度及檢測幀率。結(jié)果表明：不同網(wǎng)絡(luò)結(jié)構(gòu)深度、寬度設(shè)置的YOLOv5模型識別飛蓬屬入侵植物的平均精度為91.8%～95.1%，有8組權(quán)重的平均精度優(yōu)于YOLOv3的，合理增加網(wǎng)絡(luò)層和卷積核能提高模型精度；YOLOv5在訓(xùn)練平臺的幀率為28～109fps之間，在測試平臺的幀率為12～58fps之間，有12組權(quán)重的幀率比YOLOv3的有顯著提高，幀率受平臺算力限制并隨網(wǎng)絡(luò)層和卷積核增加而下降，在算力較低的嵌入式系統(tǒng)中實現(xiàn)實時檢測需平衡模型網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)置。（剩余15367字）