基于 YOLOv5 的白芍除草机目标检测模型设计与试验

冯 雅¹, 柳 佳俊², 蒋 杰², 刘洋 洋*², 方 园³
1、绍兴职业技术学院信息工程学院
2、安徽农业大学工学院
3、安徽农业大学园艺学院

摘要

目的：针对白芍中药田中杂草和草药的精准识别问题。方法：本文提出一种基于 YOLOv5 的白芍除草机目标检
测模型，可以实现对白芍和两种杂草的精准识别检测，提高了除草效果、精度与实时性，并通过试验验证了该目标检测模
型的有效性。实验结果：基于 yolov5n 目标检测模型的 mAP 为 87.5%，精准率为 92.8%，召回率为 82.1%，模型预测速度为
10.1ms，目标检测的置信度能达到接近 85% 到 90% 左右。结论：证明本文提出目标检测模型对白芍以及中草药行间杂草的
识别检测精度较高，满足白芍除草机的工作需要，为中药材智能植保技术研发提供了参考。

关键词

深度学习；YOLOv5；白芍；除草机；目标检测

参考

[1] 袁洪波 , 赵努东 , 程曼 . 基于图像处理的田间杂草识

别研究进展与展望 [J]. 农业机械学报 , 2020, 51(S2):323-334.

[2]WANG Aichen,PENG Tao,Cao Huadong,et al. TIAYOLOv5: An improved YOLOv5 network for real-time detection

of crop andweed in the field [J]. Frontiers in Plant Science,2022.

[3] 权龙哲 , 夏福霖 , 姜伟 , 等 . 基于 YOLOv4 卷积神

经网络的农田苗草识别研究 [J]. 东北农业大学学报 , 2021,

52(7): 89-98.

[4] 姜红花 , 张传银 , 张昭 , 等 . 基于 Mask R-CNN 的玉

米田间杂草检测方法 [J]. 农业机械学报 , 2020, 51(6): 220-

228.

[5]LI Jinyang, ZHANG Wei, ZHOU Hong, et al. Weed

detection in soybean fields using improved YOLOv7 and

evaluating herbicide reduction efficacy[J]. Frontiers in Plant

Science, 2024, 14: 1284338.