基于改进YOLOv7的茶叶嫩芽识别模型研究

为了在复杂环境中有效识别茶叶嫩芽并在最大限度避免伤害茶树的情况下,提高智能化采摘精度,本研究针对传统目标检测算法在茶园中存在的检测精度低、鲁棒性差等问题,提出一种基于改进YOLOv7的茶叶嫩芽识别与检测的模型YOLOv7-tea,从而实现对茶叶嫩芽的快速识别与检测。首先,采集茶叶嫩芽图像并完成嫩芽图像的标注和数据增强,构建茶叶嫩芽数据集。其次,通过在YOLOv7主干网络的3个特征提取层中引入CBAM注意力机制模块,增强模型对特征提取的能力;采用SPD-Conv模块替换颈部网络下采样模块中的SConv模块,以减少小目标特征的丢失;通过EIoU损失函数优化框回归损失,提升预测框的准确率。最后,以茶叶嫩芽图像数据集为样本将其他目标检测模型与YOLOv7-tea模型进行对比试验,并对不同距离、不同角度拍摄的茶叶嫩芽图像进行识别效果检测。试验结果表明,YOLOv7-tea网络模型比YOLOv7模型的精确率(Precision,P)、召回率(Recall,R)和识别平均精度(mAP)值分别高出2.87、6.91和8.69个百分点,且模型的检测速度更快,在复杂背景下对茶叶嫩芽的识别与检测具有更高的置信度分数。该研究构建的YOLOv7-tea模型对小尺寸茶叶嫩芽的识别效果较好,减少了漏检和误检的情况,具有良好的鲁棒性和实时性,可为茶叶的产量预估和智能化采摘提供参考。

茶叶企业创新驱动绿色发展的路径研究——以安徽YXT茶业公司为例

茶叶农产品对产茶大省的区域经济协调发展十分重要,茶产业发展的微观基础是茶叶企业的发展。文章提出,创新驱动绿色发展是企业创新驱动和绿色发展的有机结合,通过创新驱动可以加速实现茶叶企业高质量绿色发展。在对安徽YXT茶业公司纵向案例研究的基础上,提出了茶叶企业创新驱动绿色发展的路径建议,最后得出了明确的结论并对未来研究做了展望。