DOI：10.3969/j.issn.1672-3872.2023.15.003
基金项目：国家级大学生创新训练项目（202110564023）
作者：庄昊龙1，周嘉灏2，林毓翰1，彭海深2，林宏宇3
（1. 华南农业大学数学与信息学院、软件学院，广东 广州 510642；2. 华南农业大学电子工程学院（人工智能学院），广东 广州 510642；3. 华南农业大学工程学院，广东 广州 510642）
摘 要：【目的】传统的水果检测识别技术具有一定的环境适应缺陷性和主观性，通常是对水果的纹理、颜色、形状等外表特征进行提取和识别，为实现对柑橘果实产量的精准预测，需研究温室环境下对柑橘果实的快速识别及计数。【方法】项目组选取从柑橘种植园中多场景拍摄的5 926张图片作为训练集、738张图片作为验证集、608张图片作为测试集，采用DeepSort算法结合改进YOLOv5算法的方式，通过在主干部分加入SE注意力机制以实现对算法的改进，从而提高对柑橘果实的识别效果；在柑橘果实计数部分，主要采用DeepSort算法给予每个柑橘果实单独的ID编号以实现对柑橘果实的计数。【结果】改进后的YOLOv5算法对柑橘果实的平均识别准确率为93.712%，相比改进前的CenterNet算法、EfficientDet算法、SSD算法、YOLOv4算法、YOLOX算法，平均识别准确率提升了1.354个百分点，并且精确度和召回率也有一定的提升，结合DeepSort算法后对柑橘果实的平均多目标跟踪准确率为88.465%，可较准确地实现对柑橘果实的计数。【结论】DeepSort算法具有提升目标被环境等其他因素遮挡情况下的计数效果的优点，加入SE注意力机制对YOLOv5算法进行改进，对柑橘果实具有更好的识别效果。
关键词：YOLOv5算法；DeepSort算法；SE注意力机制；柑橘果实
引文信息：[1]庄昊龙，周嘉灏，林毓翰，等.基于改进YOLOv5+DeepSort的柑橘果实识别与计数研究[J].南方农机，2023，54(15)：9-13.
查看全文请下载PDF文件↓
