农业机械学报

作者：何斌，张亦博，龚健林，付国，赵昱权，吴若丁

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：番茄果实;温室;识别;改进YOLO v5;夜间

基金：陕西省科技创新引导专项（2021QFY08-01）

为实现日光温室夜间环境下采摘机器人正常工作以及番茄快速识别，提出一种基于改进YOLO v5的夜间番茄果实的识别方法。采集夜间环境下番茄图像2000幅作为训练样本，通过建立一种基于交并比的CIOU目标位置损失函数，对原损失函数进行改进，根据计算函数anchor生成自适应锚定框，确定最佳锚定框尺寸,构建改进型YOLO v5网络模型。试验结果表明，改进YOLO v5网络模型对夜间环境下番茄绿色果实识别精度、红色果实识别精度、综合平均识别精度分别为96.2%、97.6%和96.8%，对比CNN卷积网络模型及YOLO v5模型，提高了被遮挡特征物与暗光下特征物的识别精度，改善了模型鲁棒性。将改进YOLO v5网络模型通过编译将训练结果写入安卓系统制作快速检测应用软件，验证了模型对夜间环境下番茄果实识别的可靠性与准确性，可为番茄实时检测系统的相关研究提供参考。

来源：2022年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第5期