基于YOLOv5s算法的番茄成熟度識別研究

陳 偉,張春雨*,朱超冉

(1.安徽科技學院 機械工程學院,安徽 鳳陽 233100;2.安徽工程大學 機械工程學院,安徽 蕪湖 241000)

番茄是我國設施栽培面積最大的蔬菜作物,如此大體量的蔬菜,采摘尤為關鍵。番茄采摘機器人對減少生產成本、降低勞動強度、提高作業效率具有重要意義。設計采摘機器人的難點在于定位和識別,這兩點關系到采摘機器人的工作效率。自然環境下番茄果實的生長狀態各不相同,果實之間重疊,枝葉、枝干等對果實遮擋嚴重,光照環境復雜,這些因素都會影響到采摘機器人的識別結果。因此,實現對復雜自然環境下的番茄果實快速、精確識別是研發番茄采摘機器人的關鍵[1]。

近年來,番茄成熟度識別算法受到了廣泛關注,張亞麗等[2]將極端學習機引入番茄成熟度識別,番茄成熟度判斷正確率達到92.7%。王紅珠等[3]將HSI模型引入番茄成熟度識別,總的判斷正確率為65%。伍鎣芮等[4]將RGB三分量閾值分割引入番茄成熟度識別中,整體判斷正確率為85%。綜上,已應用的識別算法在番茄成熟度識別中無法得到較高的精度和正確率,并且現有的研究大多沒有考慮復雜環境下的影響因素,適應性較差,無法滿足番茄采摘時的復雜環境條件。YOLO系列算法是一類典型的one-stage目標檢測算法,利用anchor box將分類與目標定位的回歸問題結合起來,從而做到了高效、靈活和泛化性能好。YOLOv5算法是2020年提出的最新一代目標檢測算法,其精度和檢測速度與上一代相比得到大大提升。……