- 為了滿足消費群體對于高品質水果的需求和產業精細化發展，提出了一種通過視覺對香蕉無損檢測并分級的方法，并且在Jetson Nano平臺設計視覺系統，基于YOLOv5搭建的模型實現視覺識別。最終Matlab仿真結果和視覺實驗結果表明該方法可以實現對香蕉表面的缺陷進行識別，果實平均識別準確率達到91.3%。
- 關鍵字：
202307 香蕉檢測 Jetson Nano YOLOv5 視覺識別 無損檢測
- 針對傳統水產養殖業中養殖過程中容易受到養殖人員的個人經驗從而導致養殖效率低下、能源損耗嚴重等問題，本文融合計算機視覺、人工智能、圖像處理等技術，應用于對蝦養殖業中并展開實踐。首先在水下投放雙目攝像機把拍取的對蝦圖像和視頻上傳至PC端，使用YOLOv5深度學習模型對蝦體圖像進行訓練達到精準識別的效果，然后根據一系列的圖像處理等步驟得到分割后的蝦體圖像，最后基于最小矩形法尋得最優測量點并根據雙目視覺算法把二維坐標轉換為三維坐標得到對蝦的體長及平均生長率。
- 關鍵字：
對蝦養殖 YOLOv5 生長率 202205
yolov5介紹
您好，目前還沒有人創建詞條yolov5!
歡迎您創建該詞條，闡述對yolov5的理解，并與今后在此搜索yolov5的朋友們分享。
創建詞條
關于我們 -
廣告服務 -
企業會員服務 -
網站地圖 -
聯系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473
