环境与发展

基于卷积神经网络的果蔬识别系统设计

郑 欢欢

榆林学院 信息工程学院

赵高 瑞朗

榆林学院 信息工程学院

骆 开发

榆林学院 信息工程学院

DOI: https://doi.org/10.59429/hjfz.v6i11.8220

Keywords: 果蔬识别；YOLOv5；MobileNet；IoU 阈值；损失函数处理

---

Abstract

构建一个基于卷积神经网络的果蔬智能识别系统可以大大推进农业的智能化建设。该系统利用 TensorFlow 为深度学习框架构建了 Mobile Net 深度学习模型，主要用于图片识别功能。在视频检测方面，采用 YOLOv5 模型进 行目标检测和分类，并结合 PyQt5 图形化界面实现用户友好的交互体验。为了在具体应用中达到精确度和召回率之 间的最佳平衡，系统在 YOLOv5 模型调整 IoU 阈值，并修改了损失函数算法以进一步改善模型性能。此外，系统采 用了简洁的条件判断和赋值结构，避免了代码中的冗余和复杂性，从而在保证准确性的同时降低计算复杂度，减少 CPU 和 GPU 的占用率。实验结果表明，改进后的系统在识别准确率和效率方面的表现优异，有效提高了果蔬识别的 精度和速度，促进了农业智能化的发展。

---

References

[1] 刘琳.基于卷积神经网络的学生课堂行为识别系统设计[J].现代电子技术,2024,47(6):142-146.

[2] 马文宝,田芳明,谭峰.基于改进YOLOv5模型的农作物病斑图像自动标注[J].黑龙江八一农垦大学学报,2024,36(1):108-116+130.

[3] 覃琼花,张春燕,徐百宁.基于深度学习的微信小程序图像识别系统[J].信息与电脑(理论版),2024,36(1):73-75.