基于改进YOLOv5s的蒲公英花朵检测与识别方法

摘要

针对蜜源植物季节性生长变化的复杂性，提出一种高效识别优质蜜源蒲公英花朵的方法，以帮助蜂农精准预测蜜蜂的优质采蜜场所。通过采集数据集与图像基本处理，基于YOLOv5s模型，并结合全局特征金字塔网络(GFPN)和内容感知特征重组(CARAFE)技术，提出一种改进的目标检测方法。实验结果表明，改进后的YOLOv5s模型在识别蒲公英花朵的准确率和精度上均优于传统方法，分别达到92.9%和95.8%,较原模型提升0.9个百分点。GFPN与CARAFE的协同作用能够使模型更好地处理复杂的图像背景和不同尺寸的花朵，检测速度和准确性显著提高。基于YOLOv5s模型并结合GFPN和CARAFE的蜜源蒲公英花朵识别方法，能够有效应对蜜源植物的季节性变化和复杂生长环境，具有较高的实用价值。该方法不仅能为蜂农准确预测采蜜场所提供依据，推动精准农业技术的应用，还能为实现农业资源可持续利用提供创新性技术方案。

关键词

蒲公英 / 目标检测 / YOLOv5s / 蜜源植物 / 精准农业

基金资助

安徽省协同创新项目(GXXT-2023-105); 安徽科技学院重点学科建设项目(XK-XJGY002)