Распознавание зрелости плодов личи на основе алгоритма обнаружения объектов

Роботы-сборщики решили проблему нехватки рабочей силы и снизили затраты на сбор фруктов в садах. Распознавание фруктов в садах личи является ключевой технологией для роботов-сборщиков урожая. В этой статье в качестве примера рассматривается тропический фрукт личи и используется платформа Edge Impulse для сбора данных с помощью OpenMV. В качестве обучающих моделей используются Object Detection, BrainChip Akida, Yolo v5 для Renesas DPR-AI и Yolo v5. Благодаря экспериментальному сравнению и анализу количества собранных данных, предварительной обработке DSP и раундам обучения, точность обнаружения объектов повышается, а распознавание зрелости плодов личи становится более эффективным. Таким образом, модель обнаружения объектов количественно оценивается и развертывается в конечной точке OpenMV для завершения распознавания зрелых и незрелых личи.*

*Перевод выполнен с помощью нейросетей

Picking robots have solved the problem of insufficient labor force and reduced fruit picking costs in orchards. The recognition of fruits in lychee orchards is a key technology for harvesting robots. This article takes tropical fruit lychee as an example and uses the Edge Impulse platform to collect data using OpenMV. Object Detection, BrainChip Akida, YOLOv5 for Renesas DPR-AI, and YOLOv5 are used as training models. Through experimental comparison and analysis of data collection quantity, DSP preprocessing, and training rounds, the accuracy of Object Detection is higher and the recognition of lychee fruit maturity is more effective. Therefore, the Object Detection model is quantified and deployed to the OpenMV end to complete the recognition of mature and immature lychees.