- 为了满足消费群体对于高品质水果的需求和产业精细化发展，提出了一种通过视觉对香蕉无损检测并分级的方法，并且在Jetson Nano平台设计视觉系统，基于YOLOv5搭建的模型实现视觉识别。最终Matlab仿真结果和视觉实验结果表明该方法可以实现对香蕉表面的缺陷进行识别，果实平均识别准确率达到91.3%。
- 关键字：
202307 香蕉检测 Jetson Nano YOLOv5 视觉识别 无损检测
- 针对传统水产养殖业中养殖过程中容易受到养殖人员的个人经验从而导致养殖效率低下、能源损耗严重等问题，本文融合计算机视觉、人工智能、图像处理等技术，应用于对虾养殖业中并展开实践。首先在水下投放双目摄像机把拍取的对虾图像和视频上传至PC端，使用YOLOv5深度学习模型对虾体图像进行训练达到精准识别的效果，然后根据一系列的图像处理等步骤得到分割后的虾体图像，最后基于最小矩形法寻得最优测量点并根据双目视觉算法把二维坐标转换为三维坐标得到对虾的体长及平均生长率。
- 关键字：
对虾养殖 YOLOv5 生长率 202205
yolov5介绍
您好，目前还没有人创建词条yolov5!
欢迎您创建该词条，阐述对yolov5的理解，并与今后在此搜索yolov5的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
