基于YOLOv9葡萄病害識別檢測算法研究

打開文本圖片集

摘  要：YOLOv9作為YOLO系列模型中的最新版本之一，其平臺移植方便與檢測步驟簡易，相比于傳統(tǒng)的圖像識別技術，基于深度學習的物體檢測模型具有更強的特征提取和泛化能力，能夠更好地識別復雜的物體和場景?；赮OLOv9c葡萄病害識別檢測算法研究，針對傳統(tǒng)的病害識別方法存在著識別準確率低、耗時長等問題，對我國七種葡萄病害進行識別，進行訓練之后，平均檢測度mAP50為92.7%，實驗結果表明，該方法可以實現(xiàn)葡萄病害實時檢測，大大提高了農(nóng)業(yè)生產(chǎn)效率，滿足葡萄病害檢測應用場景的精度要求和實時性。（剩余6477字）