苹果园疏花蔬果部位识别系统

发布时间: 2023-08-02

来源: 科技服务团

基本信息

合作方式：技术许可

成果类型：新技术

行业领域：

农、林、牧、渔业,农业

成果介绍

本成果以YOLOv5算法搭建目标检测模型，分别对疏花蔬果目标进行训练，结果显示对于开花部位的训练结果的F1Score值为***，mAP收敛于***.，实际检测试验的正检率均超过***%，漏检率在***%~***%，错检率在***%~***%，平均单张图片运算耗时在***~***之间；引入CBAM注意力机制的YOLOv5作为苹果园坐果部位的识别，实际检测试验显示坐果部位识别的正检率在***%~***%，漏检率在***%~***%，错检率在***%~***%，平均单张图片运算耗时在***~***之间，可为苹果园疏花蔬果部位的识别提供在线、实时的信息决策支持。

成果亮点

本成果是一种基于YOLOv5的疏花部位的识别系统和一种基于YOLOv5且引入CBAM注意力机制优化的蔬果部位识别系统，能够实现果园开花部位和坐果部位的识别，且开发出简洁实用的可视化界面以供用户使用。结果显示YOLOv5对于开花部位的训练结果的F1Score值为***，mAP收敛于***，实际检测试验的正检率均超过***%，漏检率在***%~***%，错检率在***%~***%，平均单张图片运算耗时在***~***之间；以引入CBAM注意力机制的YOLOv5作为苹果园坐果部位的识别，实际检测试验显示坐果部位识别的正检率在***%~***%，漏检率在***%~***%，错检率在***%~***%，平均单张图片运算耗时在***~***之间，实现了在苹果园中对疏花蔬果部位的识别，可以为果园机械化管理提供实时在线的信息决策，能有效帮助农民和果园管理者进行疏花蔬果操作，进一步推动了果园的机械化、自动化和智能化管理。

团队介绍

该成果由河南科技大学农业装备工程学院智慧农业研究团队完成，团队成员有讲师赵龙、讲师师翊、助教丁月华、本科生王新。赵龙主要从事智慧农业、农业遥感和水肥一体化等方向研究；师翊主要从事农业信息化、智慧农业、数字植物等研究；丁月华主要主要从事智慧农业方向研究；王新为河南科技大学农业电气化与自动化专业本科生。团队负责人赵龙博士负责项目的整体方案制定和系统搭建，师翊博士负责果园试验，丁月华硕士负责软件开发，王新负责模型构建与算法优化。

成果资料

产业化落地方案

点击查看

成果综合评价报告

评价单位：“科创中国”葡萄酒产业科技服务团 (中国农业工程学会) 评价时间：2023-11-26

许童羽

沈阳农业大学信息与电气工程学院

教授

综合评价

该成果基于深度学习算法分别实现了疏花部位和蔬果部位的识别系统，能够实现果园开花部位和坐果部位的识别。对果业生产管理行业有一定的引领性作用。但实现的技术创新性不强，且采用的技术在国内外相对成熟，投资回报不高。同时目标市场处于成长市场，但该市场很快会出现多种技术路线，产品竞争会很激烈。另外，因在模型的稳定性和识别准确性上论证不足，要特别关注系统的实用性问题，并需要进一步明确系统的效率与实用性。总体而言，该项目技术思路方向较好，但未来市场空间一般，转化成熟度不高，产品推广上仍需加强。建议加强相应产品的实用性，提高相关算法的创新性。

科创中国

友情链接

海外专利信息资源系统

省级中心站