基于YOLOv5模型的飛蓬屬入侵植物目標(biāo)檢測(cè)

打開文本圖片集

摘要：為應(yīng)用深度學(xué)習(xí)模型實(shí)現(xiàn)機(jī)器快速準(zhǔn)確識(shí)別農(nóng)田惡性雜草，以田間常見(jiàn)的2種飛蓬屬入侵植物為對(duì)象，采集樣本圖像并標(biāo)注雜草目標(biāo)，基于網(wǎng)絡(luò)結(jié)構(gòu)深度、寬度可調(diào)的一階段目標(biāo)檢測(cè)模型YOLOv5搭建訓(xùn)練平臺(tái)和嵌入式測(cè)試平臺(tái)，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(yàn)證模型精度及檢測(cè)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(shí)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(tái)的幀率為28～109fps之間，在測(cè)試平臺(tái)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(tái)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(shí)現(xiàn)實(shí)時(shí)檢測(cè)需平衡模型網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)置。（剩余15367字）