基于YOLOv5的农林虫害检测系统设计

病虫害对稳定粮食产量、增加油料自给率等方面造成了严重威胁,需要引起广泛关注和高度重视。早期病虫害精准识别是预警和防控的关键,长期以来,对大多数传统农作物的虫害识别主要依赖于人工检测。文章为提升农作物病虫害检测的准确性与效率,设计了一种基于YOLOv5的农林害虫检测系统。该系统采用深度学习实现农林虫害检测,具有可视化界面,方便使用者操作,并可对农林中检测出的虫害给出提示和警报。

基于YOLOv5的安全帽佩戴检测系统设计

针对安全帽监管效率不高、耗费精力及传统摄像头不具备检测功能的缺点,设计了一种基于YOLOv5的安全帽检测系统,用来检测作业人员是否佩戴安全帽,并根据检测情况实时发出预警信息。结果表明,检测准确率达到95%以上,满足了用户需求,占用内存较少,可以实现低性能终端上的实时检测,可推广到其他类似应用场景。