基于YOLOv5的核桃品种识别与定位

来源：中国农机化学报杂志2022年第7期北京时间：

作者：张三林, 张立萍, 郑威强, 郭壮, 付子强

单位：新疆大学机械工程学院，乌鲁木齐市，830047

摘要：为实现对不同品种核桃的分类与定位，提出一种基于深度学习的核桃检测方法。首先，以新疆南疆地区主产的三种核桃为对象进行图像采集，并对图像进行翻转、裁剪、去噪、光照变换等操作制作核桃数据集；然后，采用基于YOLOv5的检测模型进行试验，并与YOLOv3、YOLOv4和Faster RCNN算法进行比较。结果表明，基于YOLOv5的模型对新2、新光和温185核桃检测的平均精度均值分别为99.5%、98.4%和97.1%，单幅图像检测耗时为7 ms。在相同数据集、相同试验环境下，该模型的检测速度是Faster RCNN的7倍，该模型的检测精度比YOLOv4高2.8%且模型大小仅为YOLOv4的1/14。试验结果表明，基于YOLOv5的核桃检测方法在检测精度和速度上是所有对比算法中最高的，适合本研究的检测需求，可为机器人自主分拣核桃提供研究基础。

关键词：深度学习,核桃检测,YOLOv5,自主分拣

基金资助：上海援疆项目（2019690001）