基于改进YOLOv5的茶芽检测  

作　　者：吴思妃 

机构地区：[1]浙江农林大学数学与计算机科学学院,浙江杭州311300

出　　处：《福建茶叶》2024年第2期30-32,共3页Tea in Fujian

摘　　要：茶芽检测识别是实现茶芽采摘自动化和智能化的基础。针对复杂背景中传统茶芽检测方法准确率低、稳定性差等问题,提出一种基于深度学习的茶芽检测方法。以YOLOv5(You Only Look Once)算法为框架,通过引入坐标注意力机制和使用RepVGG重构卷积块的方式改进算法,提升茶芽检测性能。结果表明,使用改进后的模型的茶芽检测准确率为86.48%,精确率为85.1%,召回率为78.41%,参数量为5500541,模型大小为11.3MB。相比于改进前的算法,该方法不仅具有更高的检测精度,还有效降低了模型的大小,可以很好地应用于复杂背景茶芽检测中,并为嵌入式设备研究提供支持和参考。

关 键 词：茶树 茶芽检测 深度学习 YOLOv5 

分 类 号：S225[农业科学—农业机械化工程]