APPS | 使用增强型YOLOv5对苹果果实进行全表面检测

背景：随着全球对高品质苹果需求的增长，自动化分拣和质量控制系统在精准农业中变得日益重要。传统图像处理方法在处理不同方向的苹果表面时面临挑战，导致检测不准确。研究目的：本研究旨在开发一个增强版的YOLOv5模型，通过替换骨干网络和集成卷积注意力模块（CBAM），提高苹果全表面检测的精度和鲁棒性，以优化自动化分拣系统。结论：增强的YOLOv5模型在多个方向上均优于传统方法，尤其在横向方向上表现最佳，实现了95.00%的平均精度和90.58的F1分数。该模型显著提升了检测可靠性和一致性，适用于智能农业中的自动化质量控制应用。