基于YOLOv5算法的水稻病虫害识别.docVIP

本科毕业论文（设计）

（二〇二三届）

题目

基于YOLOv5算法的水稻病虫害识别

学院

大数据与智能工程

专业

电子信息工程

学生姓名

陈敏

学号

20191151020

指导教师

荣剑（副教授）

评阅人

年月日

1-

1-

原创性声明

本人郑重声明，所呈交的学位论文是本人在指导教师指导下进行的研究工作及取得的研究成果，论文成果归西南林业大学所有。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得西南林业大学或其他教育机构的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。

申请学位论文与资料若有不实之处，本人承担一切相关责任。

作者签名：日期：年月日

PAGE

1-

PAGE3

基于YOLOv5算法的水稻病虫害识别

陈敏

（西南林业大学大数据与智能工程学院昆明650224）

摘要：粮食安全是社会根基，发展智慧农业也是大势所趋，水稻是我们国家重要的粮食作物，虫害一直是制约水稻产量的主要原因，特别是大规模农业的发展，使得病虫害防治变得尤为重要，但是传统的病虫害识别大多以肉眼观察为主，需人工到田地进行考察，即耗时又费力，还可能会造成病虫害识别错误，从而导致药物滥用污染环境等问题，随着深度学习的迅速发展，将深度学习运用到农作物病虫害识别也成为了一个研究热点。为解决人工识别效率低，精度不高，防治不及时等问题，本文基于深度学习对含有病虫的图像进行目标检测识别，使用速度快，灵活性高的YOLOv5网络模型和Pytorch框架对含有害虫图片进行训练，最终达到快速定位输入图片害虫位置以及精确识别其种类,准确防治病虫，提高粮食产量。

关键词：深度学习，水稻病虫害识别，图像识别，Pytorch，YOLOv5

PAGE

2-

PAGE

1-

RicepestidentificationbasedonYOLOv5algorithm

Chenmin

（SouthwestForestryUniversityBigDataandIntelligentEngineeringCollegeKunming650224）

Abstract:Foodsecurityisthefoundationofsociety,andthedevelopmentofsmartagricultureisalsoamajortrend.Riceisanimportantfoodcropinourcountry,andpestshavebeenthemainreasonforlimitingriceproduction,especiallythedevelopmentoflarge-scaleagriculture,whichmakespestcontrolespeciallyimportant,buttraditionalpestidentificationismostlybasedonvisualobservation,whichrequiresmanualvisitstothefield,whichistime-consumingandlaborious,andmayalsocausepestidentificationWiththerapiddevelopmentofdeeplearning,theapplicationofdeeplearningtocroppestidentificationhasalsobecomearesearchhotspot.Inordertosolvetheproblemsoflowefficie