基于深度学习的水果果实视觉检测技术研究进展     

李守豪  孙宇朝  杨玮  张焕春  夏秀波 《烟台果树》2022,(4):6-8

视觉识别系统是水果采摘机器人中的重要组成部分。近年来,基于深度学习的目标检测算法在人工智能领域迅猛发展,对提高采摘机器人的果实视觉检测性能提供了强有力的技术支撑。本文主要介绍了水果果实视觉检测技术中常见的目标检测算法和目标立体定位算法及其优缺点,简要地总结了各算法的应用研究现状,分析了水果果实视觉检测技术中的难点问题,并展望了其应用发展前景。  相似文献   

利用改进YOLOv5s模型检测番茄果实成熟度及外观品质     

孙宇朝  李守豪  夏秀波  杨玮  李民赞  张焕春 《园艺学报》2024,(2):396-410

以粉果番茄为试验材料,基于深度学习方法开展了番茄果实成熟度和外观品质的检测研究。试验中共采集番茄图片数据2 036张,通过处理扩增至5 316张,然后将数据进行标注和文件转换,构建了试验用数据集;通过在YOLOv5s模型中加入CA注意力机制、替换Stem block结构、结合识别需求优化检测层尺度、替换K-means++聚类算法来实现SC-YOLOv5s识别精度提升,提高模型的特征表达能力;通过在SC-YOLOv5s模型中加入Fire module结构进行轻量化卷积、降低Bottleneck模块的参数量来实现SC-YOLOv5s-lite轻量化设计,提升模型在硬件上的检测速度;将SC-YOLOv5s-lite模型在训练集上进行训练优化、消融试验和性能对比,结果表明,SC-YOLOv5s-lite模型内存大小为7.73 M,其准确率为89.04%,召回率83.35%,平均精度91.34%,检测时间为143 ms,相比于YOLOv5s,模型参数量降低了45.57%,模型大小压缩了44.86%,平均精度提升3.98%,检测时间减少20.99%,优势明显,更适合于硬件上部署。  相似文献