文献类型： 中文期刊

作者： 俞龙 ¹ ; 黄浩宜 ¹ ; 周波 ² ; 黄楚斌 ¹ ; 唐劲驰 ² ; 胡春筠 ¹ ;

作者机构： 1.华南农业大学电子工程学院(人工智能学院)

2.广东省农业科学院茶叶研究所

关键词： 茶叶机采;YOLOv5s;茶叶嫩芽识别;图像采集;图像识别

期刊名称： 湖南农业大学学报(自然科学版)

ISSN： 1007-1032

年卷期： 2024 年 50 卷 005 期

页码： 112-118

收录情况： 北大核心 ; CSCD

摘要： 为了提高茶叶机采的智能化水平，笔者设计了由支架、弧形采收刀、割刀丝杆升降板、4个滚轮、2个驱动电机、控制器与蓄电池组等组成的茶叶采摘机试验平台；以YOLOv5s6.0作为基础模型，将主干网络替换为MobilenetV3网络，在算法检测层前引入CBAM注意力模块，同时引入轻量级通用上采样算子CARAFE代替最近邻插值法，并通过添加权衡函数，改进CIOU损失函数等，建立茶叶嫩芽图像采集的数学模型YOLOv5s+。随后，以不同高度(10、20、30、40、50cm)和角度(15°、30°、45°、60°、75°、90°)拍照的茶叶嫩芽图片为样本，检测其对网络识别精度的影响，发现当图像采集距离茶树顶部20cm、拍摄角度为45°时，识别模型的训练结果最优。采用此参数下拍摄的图片集进行消融试验，YOLOv5s+对茶叶嫩芽识别的平均精度均值和召回率分别为0.935、0.912，较YOLOv5s的分别提高了2.97%、2.82%。