一种基于改进YOLOv5的荔枝果实生长期识别方法技术

本发明专利技术公开了一种基于改进YOLOv5的荔枝果实生长期识别方法，包括：1)荔枝数据集的建立，包括对数据采集、预处理、标注和划分数据集；2)对传统YOLOv5的特征提取模块、特征融合模块和下采样方式进行改进。在特征提取模块的SPPF模块后添加SimAM注意力机制。在特征融合模块中，使用轻量级卷积GSConv替代普通卷积，既保证了检测精度与速度，也降低了计算成本；将YOLOv5网络中的所有3

【技术实现步骤摘要】
一种基于改进YOLOv5的荔枝果实生长期识别方法


[0001]本专利技术涉及荔枝果实识别的
，尤其是指一种基于改进YOLOv5的荔枝果实生长期识别方法。

技术介绍

[0002]在荔枝的种植过程中，实现对荔枝果实青果期、转色期、成熟期的的准确判别可以获取对荔枝果实各个生长时期的发育信息，以便果园管理者及时调整果树管理策略以及获取荔枝果实的最佳采摘时间，这对荔枝树种植的科学化、自动化与提高荔枝种植的经济效益具有重要意义。
[0003]现阶段荔枝果实青果期、转色期、成熟期的监测主要依靠人工观测，观测人员按照表皮颜色，果实饱满度等特征来完成果实生长阶段划分。但这种传统的以人眼识别的方法不仅效率低，而且难以满足精准作业的现实需求。近年来，随着深度学习理论在农业生产中的广泛应用，为作物生长阶段的自动化监测和精准管控提供了值得借鉴的手段。采用基于深度学习的作物生育期监测识别研究较多，也取得了较好的成果，但在荔枝果实生长期识别方面，仍存在以下问题：
[0004]1)果园的自然环境复杂，枝叶遮挡、果实重叠、光照变化等干扰因素都会对荔枝果实检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLOv5的荔枝果实生长期识别方法，其特征在于，该方法是基于改进YOLOv5网络实现荔枝果实生长期的精准识别，该改进YOLOv5网络是对传统YOLOv5网络的特征提取模块、特征融合模块和下采样方式进行改进；其中，对特征提取模块的改进是：在SPPF模块后添加SimAM注意力机制；对特征融合模块的改进是：使用GSConv替换掉原有的传统卷积；对下采样方式的改进是：将YOLOv5网络中的所有3
×
3的跨步卷积替换为非跨步卷积，并在非跨步卷积之后添加SPD模块用于下采样；所述荔枝果实生长期识别方法的具体实施包括以下步骤：1)采集果园内不同生长期的荔枝果实图像，经过图像预处理之后，使用LabelImg进行标注，将荔枝果实标注为青果期、转色期和成熟期三类，接着将图像与标注文件划分成为训练集与测试集，分别用于网络的训练与测试；2)把训练集的数据送入改进YOLOv5网络进行训练，训练时先对训练集的数据进行数据增强，再将增强后的数据输入到改进YOLOv5网络，通过特征提取模块获取不同生长期荔枝果实的特征信息，将提取的特征信息输入到特征融合模块进行整合并输入到YOLOv5网络的预测模块获得荔枝果实生长期的预测结果；其中，在反向传播中使用二元交叉熵和CIOU计算荔枝果实生长期预测结果和荔枝果实生长期标签的损失值，经过多次迭代至损失值最小，得到最优网络；3)将测试集中的数据输入到训练得到的最优网络中得到预测信息，接着使用NMS和设定阈值从预测信息中筛选出满足条件的检测框，将最终获得的检测框绘制在原始图片上，在检测框的左上角区域标出检测框的预测类别信息，从而完成荔枝果实生长期的识别。2.根据权利要求1所述的一种基于改进YOLOv5的荔枝果实生长期识别方法，其特征在于，所述步骤1)包括以下步骤：1.1)采集数据：使用海康威视DS2DC3A20IW
‑
D变焦球机和智能手机在某荔枝园采集不同生长期的荔枝果实图像；1.2)图像预处理：采集数据后，剔除掉采集到的质量差的图像，为了加快训练速度，使用OpenCV库调整原图像尺寸大小；1.3)图像标注：将经过图像预处理后的荔枝果实图像分为三类：青果期、转色期和成熟期，并使用LabelImg分别将其标注为“m1”、“m2”和“m3”；1.4)划分数据集：图像标注完成后，将荔枝果实图像与标注文件按比例划分成训练集与测试集。3.根据权利要求1所述的一种基于改进YOLOv5的荔枝果实生长期识别方法，其特征在于，在步骤2)中，所述数据增强的方式包括：图像平移、图像翻转、随机亮度增强和Mosaic数据增强，Mosaic数据增强的情况是...

【专利技术属性】
技术研发人员：薛月菊，李国庆，李仕清，郭景峰，许成果，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：