基于 YOLOv5 改进算法的桃子瑕疵部位检测

李 俊恩¹, 罗 志君², 陈 幸萍³
1、五邑大学
2、数字江门网络建设有限公司
3、李俊恩

摘要

桃果瑕疵检测可以在桃果成长期及时发现病害，在桃果采摘期分出优级果。本文采用轻量级的 YOLOv5s 目标检测模型，实现对桃果瑕疵部位的检测。数据集由自采图像、公开数据集、网络图片三个渠道获取，从而使得训练结果具有较好的准确率和跨环境的适应性。最后将训练得出的模型移植到小型设备，实验结果显示，模型在推理中仍表现出良好的准确率和处理速度。因此，本算法能够应用于便携式设备中，实现对桃子瑕疵部位的实时检测。

关键词

YOLOv5；目标检测；人工智能模型

参考

[1] 王婉婷，姜国龙，褚云飞，等 . 从 RCNN 到 YOLO 系列的物体检测系统综述 [J]. 齐鲁工业大学学报，2021，35（05）：9-16.

[2] 赵永强，饶元，董世鹏，等 . 深度学习目标检测方法综述 [J].中国图象图形学报，2020，25（04）：629-654.

[3] 许德刚，王露，李凡 . 深度学习的典型目标检测算法研究综述 [J]. 计算机工程与应用，2021，57（08）：10-25.

[4] 朱晓慧，钱丽萍，傅伟 . 图像数据增强技术研究综述 [J].软件导刊，2021，20（05）：230-236.

[5] 韦小龙，王方田，刘超，等 . 基于 CSPNet-YOLOv7 目标检测算法的煤矸图像识别模型 [J]. 煤炭科学技术，2024（5）：1-13.

[6] 杨波，何金平，张立娜 . 基于改进 SPP-x 的 YOLOv5 神经网络水稻叶片病害识别检测 [J]. 中国农机化学报，2023，44（09）：190-197.

[7] 陈翠琴，范亚臣，王林 . 基于改进 Mosaic 数据增强和特征融合的 Logo 检测 [J]. 计算机测量与控制，2022，30（10）：188-194+201.

[8] 陈科圻，朱志亮，邓小明，等 . 多尺度目标检测的深度学习研究综述 [J]. 软件学报，2021，32（04）：1201-1227.