基于YOLOv5的对大麻雄蕊的目标识别研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对目前大规模生产环境下大麻去雄操作复杂度高,需要依靠人工经验判断所产生的成本过高和易产生误差等问题,本文通过使用目标检测算法YOLOv5进行目标检测.对采集的数据通过重复训练得出阶段性结果,并进行调整和优化,之后对训练的模型进行测试,模型的测试结果F1分数、准确率、召回率、平均精度分别为66.66%、84.2%、89%、70%,本模型的检测效果较好,为大麻的监测和管理提供了支持.

作者：

林莹璞、尚金妹、吴秋峰、李亭慧、荆泽瑞、任向阳

展开 >

作者单位：

东北农业大学,黑龙江哈尔滨 150038

关键词：

目标识别大麻雄蕊深度学习 YOLOv5

出版年：

2024

黑龙江粮食

黑龙江省粮食科学研究所

黑龙江粮食

影响因子：0.071

ISSN：1671-6019

年,卷(期)：2024.(3)

参考文献量10