一种基于Yolov5的改进型水果识别方法及识别系统技术方案

本发明专利技术属于检测识别技术领域，具体涉及一种基于Yolov5的改进型水果识别方法及识别系统，通过采集水果的图片，并根据水果的图片构建数据集；对水果的图片进行预处理；将数据集中训练集对应的图片输入改进的YOLOv5网络进行训练；根据训练好的YOLOv5s检测模型对水果进行检测；在YOLOv5的SPP层之后添加CBAM注意力模块，CBAM注意力模块结合了通道和空间的注意力机制模块，使网络更加专注于对当前任务来说最有用的信息，并且在YOLOv5网络中添加小目标检测层，提高算法对水果的检测精度，以及将分类损失函数CIOU替换为SIOU，考虑到所需回归之间的向量角度，重新定义了惩罚指标，提高了训练的速度和推理的准确性。训练的速度和推理的准确性。训练的速度和推理的准确性。

【技术实现步骤摘要】
一种基于Yolov5的改进型水果识别方法及识别系统


[0001]本专利技术属于检测识别
，具体涉及一种基于Yolov5的改进型水果识别方法及识别系统。

技术介绍

[0002]由于人工智能技术的发展，采摘水果的机器人应运而生，其中对水果的检测识别技术是采摘机器人的关键技术，决定机器人是否能够准确地采摘水果。目前水果检测识别一般有两类方案，（1）.基于深度学习的水果的识别，（2）.基于传统图像处理算法的水果识别。基于深度学习的水果识别算法采用深度神经网络提取特征来实现水果的识别。而基于传统图像处理算法的特征提取使用前期的人为特征定义提取水果的颜色、形状、纹理等特征，并通过特定特征提取算法的组合来实现水果的识别。由于基于传统图像处理算法的水果识别算法效果在目标被遮挡以及光照变化情况下变化较大，而基于深度学习的水果识别算法是通过构建深层的特征提取网络提取学习水果特征，不断更新网络权重，获得训练模型。用训练好的模型对水果进行识别，准确性高且具有较强的移植性。基于深度学习的目标识别算法主要应用于各种场景下的水果识别。对于基于深度学习的水果识别算法的方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Yolov5的改进型水果识别方法，其特征在于，包括：采集水果的图片，并根据水果的图片构建数据集；对水果的图片进行预处理；将数据集中训练集对应的图片输入改进的YOLOv5网络进行训练，获取YOLOv5s检测模型；根据训练好的YOLOv5s检测模型对水果进行检测。2.如权利要求1所述的基于Yolov5的改进型水果识别方法，其特征在于，所述采集水果的图片的方法包括：在果园中采集需要检测的水果的图片，根据水果的种类对所有图片进行标注，构建数据集，并且将标注信息写入预设格式的文件中。3.如权利要求2所述的基于Yolov5的改进型水果识别方法，其特征在于，所述根据水果的图片构建数据集的方法包括：将数据集中的图片以预设比例划分为训练集和测试集，并且将标注信息写入的文件格式替换为另一个预设的格式。4.如权利要求3所述的基于Yolov5的改进型水果识别方法，其特征在于，所述对水果的图片进行预处理的方法包括：将所有采集的图片进行图像滤波和增强。5.如权利要求4所述的基于Yolov5的改进型水果识别方法，其特征在于，所述将数据集中训练集对应的图片输入改进的YOLOv5网络进行训练的方法包括：在YOLOv5s网络的SPP层之后添加CBAM注意力模块；在YOLOv5s网络中添加小目标检测层；将分类损失函数CIOU替换为SIOU。6.如权利要求5所述的基于Yolov5的改进型水果识别方法，其特征在于，添加的小目标检测层的anchors为：(5,6),(8,14)和(15,11)，则anchors模块的锚框分别为：(5,6),(8,4),(15,11),(10,13),(16,30),(33,23),(30,61),(62,45),(59,119),(116,90),(156,198),(373,326)；在YOLOv5s网络中添加上采样模块、下采样模块，并且检测层中添加小目标检...

【专利技术属性】
技术研发人员：申春兰，高晓峰，陈剑，
申请(专利权)人：江苏天策机器人科技有限公司，
类型：发明
国别省市：