PDF摘要：我国作为水果生产大国，机器视觉技术已被用于水果的检测识别中。然而在自然条件采摘过程中，往往受到光照不均、枝叶遮挡、果实重叠等复杂环境的影响，导致果实不易被辨识。因此，如何在复杂条件下，能快速、简单、高效地检测出目标具有重要意义。以柑橘为例，对数据采用数据增强和特定预处理方式，并用YOLOv5网络对自然条件下柑橘进行检测识别。在数据处理中，对样本进行标注，然后通过对数据进行特定情况预处理，降低自然条件下光照遮挡、摇晃等环境的影响，提升模型鲁棒性；通过对样本数据增强，丰富训练数据，提高模型泛化能力。通过实验对比不同迭代次数与步长的模型效果，选出模型最合适的参数值。实验表明，数据未经过特殊预处理，模型检测识别率较低，而经过特殊预处理后（降低复杂环境的影响），模型检测识别率较高，效果明显，为在自然条件下水果采摘奠定了理论基础。
在线浏览，阅读全文