期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于YOLOv5s和Android的苹果树皮病害识别系统设计
被引量:
6
1
作者
周逸博
马毓涛
赵艳茹
《广东农业科学》
CAS
2022年第10期155-163,共9页
【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...
【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。
展开更多
关键词
苹果树皮病害
YOLOv5s
移动端
ANDROID
多目标识别
识别系统
下载PDF
职称材料
题名
基于YOLOv5s和Android的苹果树皮病害识别系统设计
被引量:
6
1
作者
周逸博
马毓涛
赵艳茹
机构
西北农林科技大学机械与电子工程学院
农业农村部农业物联网重点实验室/陕西省农业信息感知与智能服务重点实验室
出处
《广东农业科学》
CAS
2022年第10期155-163,共9页
基金
国家自然科学基金(31901403)。
文摘
【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。
关键词
苹果树皮病害
YOLOv5s
移动端
ANDROID
多目标识别
识别系统
Keywords
apple bark disease
YOLOv5s
mobile end
Android
multi-object recognition
recognition system
分类号
S126 [农业科学—农业基础科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于YOLOv5s和Android的苹果树皮病害识别系统设计
周逸博
马毓涛
赵艳茹
《广东农业科学》
CAS
2022
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部