中文引用格式： 彭靖翔，張榮芬，劉宇紅. 基于改進YOLOv5n的腐敗水果檢測模型[J]. 電子技術(shù)應(yīng)用，2024，50(12)：55-60.
英文引用格式： Peng Jingxiang，Zhang Rongfen，Liu Yuhong. Corrupt fruit detection model based on improved YOLOv5n[J]. Application of Electronic Technique，2024，50(12)：55-60.
引言
水果在中國農(nóng)業(yè)中具有重要地位，為農(nóng)民提供穩(wěn)定的收入來源。鄧瑞等[1]提出了一種基于輕量版YOLOv5s的水果檢測方法，該方法在TI Sitara平臺上實際測試的檢測速率為23 F/s，平均精度均值為89%，能夠滿足無人水果售貨系統(tǒng)對商品檢測精度和實時性的要求。羅家梅等[2]提出了基于YOLOv5的水果品質(zhì)檢測與分類方法，可以檢測出蘋果、橘子、香蕉和梨4種水果。容仕軍[3]提出了自然場景下樹上果實檢測小樣本學(xué)習(xí)方法，可以檢測百香果、蘋果和柑橘3種水果，提高小樣本條件下樹上果實的檢測性能，該方法也具備良好的泛化能力，可以有效提高檢測精確率。葉舒銘等[4]提出了基于機器視覺的橙子缺陷檢測，解決了橙子在生長、采摘、運輸?shù)倪^程中受到害蟲侵?jǐn)_、環(huán)境影響、碰撞摩擦因素引起的表面損傷及腐爛問題。張杰等[5]提出了基于注意力機制的水果損傷檢測及分類，以ResNet34作為主干網(wǎng)絡(luò)，并在此基礎(chǔ)上引入注意力機制SE和CBAM模塊來實現(xiàn)水果損傷的檢測和基本分類，但是模型過于龐大無法在邊緣端實時檢測。徐印赟等[6]為使水果采摘機器人在復(fù)雜情況下（如樹葉遮擋、果實目標(biāo)尺度變化大等）能準(zhǔn)確地檢測出水果，改進YOLO及NMS的水果目標(biāo)檢測。
本文基于改進的YOLOv5n模型實現(xiàn)對腐敗水果的智能化檢測，以便在水果成熟期及時發(fā)現(xiàn)并清除腐敗水果，從而減少損失。在工業(yè)化采摘的地區(qū)，快速檢測腐敗水果以確保及時剔除，也能減輕人力壓力。
本文詳細(xì)內(nèi)容請下載：
http://m.jysgc.com/resource/share/2000006248
作者信息：
彭靖翔，張榮芬，劉宇紅
（貴州大學(xué) 大數(shù)據(jù)與信息工程學(xué)院，貴州 貴陽 550000）
