|本期目录/Table of Contents|

[1]史鹏涛,田政伟,李晓泽,等.基于改进YOLO v5s算法的红枣缺陷检测与分拣方法[J].江苏农业科学,2025,53(5):83-88.
　Shi Pengtao,et al.Defect detection and sorting method of jujube based on improved YOLO v5s algorithm[J].Jiangsu Agricultural Sciences,2025,53(5):83-88.
点击复制

基于改进YOLO v5s算法的红枣缺陷检测与分拣方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第53卷
期数:
2025年第5期
页码:
83-88
栏目:
果实智能检测
出版日期:
2025-03-05

文章信息/Info

Title:
Defect detection and sorting method of jujube based on improved YOLO v5s algorithm
作者:
史鹏涛; 田政伟; 李晓泽; 危康乐
陕西科技大学机电工程学院，陕西西安 710021
Author(s):
Shi Pengtao; et al
关键词:
缺陷检测; 机器视觉; 自动分拣; YOLO v5s; 红枣
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
针对当前生产活动中缺陷红枣的人工识别与分拣劳动强度大、效率低、分拣效果不理想的问题，设计一款基于机器视觉的红枣缺陷检测与分拣设备。首先建立多品种、多照明环境下的红枣缺陷检测样本图库，通过高斯滤波等数据增强技术增强了图像表面特征，并利用图库分析了红枣缺陷形貌和图像特征。然后针对训练后的YOLO v5s模型检测效果不理想的问题，分别通过引入锚框尺寸优化和添加预测头、引入注意力分配机制和学习率自适应等方法对网络进行了改进与优化，优化后模型训练效果准确率提高7百分点，对红枣缺陷检测的效果有明显增强，与当前热门的检测网络YOLO v3、YOLO v4和YOLO v4-tiny模型对比，YOLO v5s模型平均精度均值分别高7.4、2.3、57百分点。试验结果表明，改进后的红枣缺陷检测网络能够有效实现红枣缺陷识别，平均检测准确率达到85.3%，其中黄河滩枣检测准确率可达到87.5%，与分拣设备配合使用能够较好地完成红枣缺陷识别与分拣任务。本研究设计的缺陷检测与分拣平台能够为相关农产品的智能化检测与自动分拣装备的设计与研发提供借鉴和参考。
Abstract:
-

参考文献/References:

［1］郭慧静，金新文，沈从举，等. 新疆红枣产业现状及前景展望［J］. 华中农业大学学报，2023，42(5)：35-41.
［2］沈从举，贾首星，郑炫，等. 红枣分级机械的现状与发展［J］. 中国农机化学报，2013，34(1)：26-30.
［3］钟小华，曹玉华，张永清，等. 基于机器视觉技术的红枣全表面信息无损分拣系统研究与实现［J］. 食品与机械，2017，33(5)：114-118.
［4］吴明清，弋晓康，罗华平，等. 基于多轮廓模型的红枣体积和表面积在线测量方法［J］. 农业工程学报，2019，35(19)：283-290.
［5］龚中良，杨张鹏，梁力，等. 基于机器视觉的柑橘表面缺陷检测［J］. 江苏农业科学，2019，47(7)：236-239.
［6］蒋清健，姚勇，付志军，等. 基于改进卷积神经网络算法的番茄叶片病害识别［J］. 江苏农业科学，2022，50(20)：29-34.
［7］李聪，喻国威，张原嘉，等. 基于ResNeXt与迁移学习的干制哈密大枣果梗/花萼及缺陷识别［J］. 食品与机械，2022，38(1)：135-140.
［8］王立舒，秦铭霞，雷洁雅，等. 基于改进YOLO v4-Tiny的蓝莓成熟度识别方法［J］. 农业工程学报，2021，37(18)：170-178.
［9］杨坚，钱振，张燕军，等. 采用改进YOLO v4-tiny的复杂环境下番茄实时识别［J］. 农业工程学报，2022，38(9)：215-221.
［10］吕金锐，付燕，倪美玉，等. 基于改进YOLO v4模型的番茄成熟度检测方法［J］. 食品与机械，2023，39(9)：134-139.
［11］黄家才，赵雪迪，高芳征，等. 基于改进YOLO v5s的草莓多阶段识别检测轻量化算法［J］. 农业工程学报，2023，39(21)：181.
［12］刘浩，贺福强，李荣隆，等. 基于机器视觉的马铃薯自动分级与缺陷检测系统设计［J］. 农机化研究，2022，44(1)：73-78.
［13］张德海，祝志逢，李艳芹，等. 基于机器视觉的二维图像质量缺陷检测研究进展［J］. 包装工程，2023，44(23)：198-207.
［14］郭小燕，于帅卿. 一种轻量级YOLO v5s农作物虫害目标检测模型［J］. 南京农业大学学报，2024，47(5)：1009-1018.
［15］周顺勇，刘学，朱豪，等. 基于改进YOLO v5s的脆桃缺陷检测［J］. 国外电子测量技术，2023，42(10)：139-146.
［16］龙阳，肖小玲. 基于多注意力机制的苹果叶部病害检测方法［J］. 江苏农业科学，2023，51(23)：178-186.
［17］刘忠意，魏登峰，李萌，等. 基于改进YOLO v5的橙子果实识别方法［J］. 江苏农业科学，2023，51(19)：173-181.

相似文献/References:

[1]周洪刚,康敏.基于机器视觉的成熟柑橘自动识别研究[J].江苏农业科学,2013,41(06):380.
　Zhou Honggang,et al.Research on automatic recognizing of mature oranges based on machine vision[J].Jiangsu Agricultural Sciences,2013,41(5):380.
[2]赵建敏,赵忠鑫,李琦.基于Kinect传感器的羊体体尺测量方法[J].江苏农业科学,2015,43(11):495.
　Zhao Jianmin,et al.Sheep body size measurement method based on Kinect sensor[J].Jiangsu Agricultural Sciences,2015,43(5):495.
[3]丁竹青,李晓良,张若宇,等.基于LabVIEW Vision的加工番茄表面霉斑缺陷检测[J].江苏农业科学,2015,43(05):302.
　Ding Zhuqing,et al.Study on mildew defect detection of processing tomato based on LabVIEW Vision[J].Jiangsu Agricultural Sciences,2015,43(5):302.
[4]申爱敏,霍晓静,王文娣,等.基于机器视觉的核桃仁大小自动分级技术[J].江苏农业科学,2016,44(09):383.
　Shen Aimin,et al.Automatic size classification technology of walnut kernel based on machine vision[J].Jiangsu Agricultural Sciences,2016,44(5):383.
[5]梁培生,孙辉,张国政,等.基于主成分分析和BP神经网络的蚕蛹分类方法[J].江苏农业科学,2016,44(10):428.
　Liang Peisheng,et al.Study on classification of silkworm chrysalis based on principal component analysis and BP neural network[J].Jiangsu Agricultural Sciences,2016,44(5):428.
[6]赵建敏,薛晓波,李琦.基于机器视觉的马铃薯病害识别系统[J].江苏农业科学,2017,45(02):198.
　Zhao Jianmin,et al.Design of potato disease identification system based on machine vision[J].Jiangsu Agricultural Sciences,2017,45(5):198.
[7]李红娟,杨颖辉.基于混沌多宇宙算法的苹果表面缺陷检测研究[J].江苏农业科学,2017,45(15):202.
　Li Hongjuan,et al.Apple surface defect detection based on chaotic multi universe algorithm[J].Jiangsu Agricultural Sciences,2017,45(5):202.
[8]罗匡男,彭琳,齐伟恒.基于机器视觉的三七叶片病斑识别[J].江苏农业科学,2017,45(24):209.
　Luo Kuangnan,et al.Recognition of Panax notoginseng leaf diseases based on machine vision[J].Jiangsu Agricultural Sciences,2017,45(5):209.
[9]刘航,郭俊先,王勇,等.基于机器视觉核桃大小分级系统的软件设计[J].江苏农业科学,2018,46(04):194.
　Liu Hang,et al.Software design of walnut size grading system based on machine vision[J].Jiangsu Agricultural Sciences,2018,46(5):194.
[10]蔡建,周军,史建新,等.基于机器视觉的核桃仁分级方法[J].江苏农业科学,2018,46(05):158.
　Cai Jian,et al.Walnut kernel grading method based on machine vision[J].Jiangsu Agricultural Sciences,2018,46(5):158.
[11]龚中良,杨张鹏,梁力,等.基于机器视觉的柑橘表面缺陷检测[J].江苏农业科学,2019,47(07):236.
　Gong Zhongliang,et al.Detection of citrus surface defects based on machine vision[J].Jiangsu Agricultural Sciences,2019,47(5):236.

备注/Memo

备注/Memo:
收稿日期：2024-02-07
基金项目：陕西省重点研发计划(编号：2021NY-129)。
作者简介：史鹏涛(1979—)，男，陕西西安人，博士，副教授，硕士生导师，主要从事ROS机器人操作系统应用研究。E-mail：shipengtao@sust.edu.cn。
更新日期/Last Update: 2025-03-05