书目详细信息
： 基于YOLO与DeepSort视觉算法的苹果测产模型研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于YOLO与DeepSort视觉算法的苹果测产模型研究/.王子杰著/.鲁绍坤指导 |
| 出版发行项： | 2023.5.26 |
| 载体形态项： | 60页:;+图表:;+30cm |
| 一般附注： | 大数据学院（信息工程学院）, 学号2021240529 |
| 提要文摘： | 苹果具有丰富的营养价值，是群众主要的日常食用水果之一，市场需求量极大。云南昭通普遍种植红富士苹果，是当地农业经济不可替代的支柱产业。目前苹果的产量测算主要依靠人工来测算，不仅费时费力，且效率低下。随着果园自动化程度不断提高，为了完善果园自动化测产，助力智慧果园的建设，本文基于当下深度学习技术和普及使用的智能手机，构建了苹果的自动测产模型，准确有效的计算出苹果果实的产量。研究中，对比分析了3个不同的YOLO检测模型，最后选出了YOLOv7-tiny作为检测器，结合DeepSort多目标跟踪算法对视频流中的苹果实施有效跟踪，提出一种基于YOLOv7-tiny+DeepSort算法的测产模型，并设计一个简单实用的APP。本文主要研究工作与结论如下： （1）苹果数据集构建。本研究使用无人机和移动手机在云南昭通苹果产地获取图像数据。在两片苹果园区共获取图像约1600张，同时为了扩充数据集使用图像增强技术将图像数据扩充至4697张，云南昭通以红富士苹果为主，所以此次测试的苹果种类为昭通红富士苹果，未来会追加其他品种。后通过Labelimg图像标注软件将4697张图像标注并制作成YOLO格式的数据集，按照6:2:2的比例划分为训练集、测试集和验证集，用以模型的训练。 （2）基于目标检测算法与多目标跟踪算法的苹果计数研究。在数据集上分别训练YOLOv7-tiny、YOLOv3和 YOLOv5s目标检测模型用于检测苹果。通过模型的性能对比，最后选用YOLOv7-tiny作为检测模型，该检测器的精度达到92.5%。对苹果计数模型进行改进，将检测器换成YOLOv7-tiny，并进行测试，开发基于YOLOv7-tiny目标检测算法+DeepSort目标跟踪算法的苹果计数模型，该模型对于苹果的计数平均准确度达到92.6%。 （3）苹果质量的研究。本次共研究了两种质量计算方案，分别是：基于图像和实际苹果比例的计算方式，和基于苹果平均质量的计算方式。方案一共测试了506组实验数据，计算得出图像和实际苹果的尺存比例。方案二共测试1500个苹果的质量，计算出昭通红富士苹果的平均质量。最后分别测试了5组视频对照实验，通过分析对比，方案一的平均准确度为83.32%，方案二的平均准确度为90.54%。基于平均质量的计算方案更加稳定，且在计算速度上更具优势。 |
| 并列题名： | Research on apple yield measurement model based on YOLO and DeepSort vision algorithm eng |
| 题名主题： | YOLOv7-tiny 苹果测产 DeepSort算法 深度学习 学位论文 |
| 中图分类： | TP391.41-533 |
| 个人名称等同： | 王子杰 著 |
| 个人名称次要： | 鲁绍坤 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20240529 |