基于YOLOv5的鲜烟叶成熟度识别模型研究

[背景和目的]烟叶成熟度的准确判定和适时采收是提高烟叶质量的关键,为提高烟叶成熟度判定的准确性.[方法]以翠碧一号(CB-1)的鲜烟叶为研究对象,采用手机拍摄上、中、下3个部位5个成熟度(M1～M5)烟叶图像,利用labelimg软件从原始的图像中获取目标烟叶图像二维坐标信息,通过轻量级网络You Only Look Once(YOLO)v5进行数据训练,构建烟叶5个成熟度识别模型.[结果]CB-1的上、中、下3个部位模型中的mAP值均达到0.9以上,平均准确率分别为93.6％,92.8％,95.2％.进一步将模型部署到云服务器、并配套开发了基于Android端的烟草成熟度智能识别应用程序,实现在大田环境下响应式的鲜烟叶成熟度等级判断.[结论]基于YOLOv5模型的智能识熟APP可有效、准确地判定鲜烟叶成熟度.本研究结果可为鲜烟叶成熟度的智能识别提供理论基础和技术支撑.