Abstract：
【目的】为实现果园自然场景下智能农业机器人对桃花的准确、快速、有效检测。【方法】文章采用相机获取桃花图片数据，通过LabelImg软件进行人工标记建立桃花目标识别的检测样本数据集，训练Darknet深度学习框架下的YOLO v4模型对桃花进行识别。【结果】模型精度评估表明，YOLO v4模型的平均准确率MAP值（86%）比Faster RCNN的MAP值（51%）高出35%。【结论】YOLO v4与经典的算法相比，对各种自然环境下的桃花检测具有较好的实时性和鲁棒性，可为精准识别桃花提供重要参考价值，桃花精准识别为疏花疏果作业奠定了基础。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
中国农业信息
ISSN： 1672-0423
CN： 11-4922/S
Year： 2021
Issue： 06
Volume： 33
Page： 25-33
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
