基于YOLOv5s和Android的苹果树皮病害识别系统设计

【目的】针对果园多种苹果树皮病害实时检测的需求,设计基于Android的苹果树皮病害识别APP以便进行果园精准管理。【方法】通过网络查找和实地拍摄收集轮纹病、腐烂病、干腐病3种病害的图片数据,经扩增和标注后按照8∶2比例进行训练集和测试集的划分。使用YOLOv5s算法训练苹果树皮病害识别网络模型,对训练得到的轻量级网络模型进行Android端部署,并设计相应APP界面,实现对轮纹病、腐烂病、干腐病的快速诊断。【结果】训练后得到的深度学习网络模型识别效果良好,准确率稳定在88.7%,召回率稳定在85.8%,平均精度值稳定在87.2%。其中腐烂病准确率为93.5%,干腐病准确率为88.2%,轮纹病准确率为84.3%。将其在Android端部署后,每张病害图片处理时间均小于1 s,检测置信度为87.954%。该轻量级识别系统不仅实现了3种病害的快速检测,也保证了较高的识别精度。【结论】YOLOv5s网络权重模型小,能够轻松实现Android端的部署,且基于YOLOv5s设计的APP操作简单、检测精度高、识别速度快,可以有效辅助果园精准管理。