一种基于树莓派部署的改进YOLOv5植物生长状态检测算法

植物的生长过程往往需要一定的时间,在这段时间内,它会演变成不同的阶段,从而对生长环境的要求不同。目前,确定植物生长状态的方法主要是基于人工先验经验和培育者的目视检查。这种传统方法耗时费力,效率低下且准确率有限。学术界已经提出了许多计算机视觉算法来诊断苹果叶病,但大多数算法只能在高性能GPU上运行,这限制了大部分算法在该领域的应用。在本文中,我们优化了yolov5网络结构及其卷积模块,并提出了一种新的yolov5网络。而这种网络具有更简洁、更轻量的结构,使其可以在树莓派上实时检测植物生长状态。我们构建了一个包含5323张图片的植物生长数据集,并将植物的生长状态分为五类。为了优化模型性能,我们采用了以下方法:1.使用Ghost模块替换了普通卷积,从而显著减少参数数量。2.通过CBAM模块引入attention注意力模块来提升模型的特征提取性能。3.修改了mosaic增强部分,将其改为3x3样式,以增强数据的多样性。实验结果表明,本文模型的最高mAP为88.3%,最小模型大小为11.67MB,在GPU服务器上的每秒帧数(FPS)最高为85.6。在树莓派4B上测试达到了11.7FPS,比标准的yolov5提高了4.1%的性能。

基于Android的无忧出行应用软件设计与实现

移动互联网时代,用户可通过手机随时随地从互联网上获取信息。基于安卓手机系统和百度地图软件开发工具包,分析人们生活出行时的各种需求,充分运用九宫格手势密码、Java语言和SharePreference等基本技术,对无忧出行应用软件进行功能模块设计。该系统实现了二维码电子名片取代传统名片的发放,具备查询全国城市天气预报和公交车路线功能,能调用百度地图SDK获得周围商家数据信息。应用实验表明,该软件与同类APP相比,更加注重用户体验,使用方便,具有较强的通用性。