基于 YOLOv5s 和 Android 的苹果树皮病害识别系统设计

【目的】针对果园多种苹果树皮病害实时检测的需求，设计基于 Android 的苹果树皮病害识别APP 以便进行果园精准管理。【方法】通过网络查找和实地拍摄收集轮纹病、腐烂病、干腐病 3 种病害的图片数据，经扩增和标注后按照 8 ∶ 2 比例进行训练集和测试集的划分。使用 YOLOv5s 算法训练苹果树皮病害识别网络模型，对训练得到的轻量级网络模型进行 Android 端部署，并设计相应 APP 界面，实现对轮纹病、腐烂病、干腐病的快速诊断。【结果】训练后得到的深度学习网络模型识别效果良好，准确率稳定在 88.7%，召回率稳定在 85.8%，平均精度值稳定在 87.2%。其中腐烂病准确率为 93.5%，干腐病准确率为 88.2%，轮纹病准确率为84.3%。将其在 Android 端部署后，每张病害图片处理时间均小于 1 s，检测置信度为 87.954%。该轻量级识别系统不仅实现了 3 种病害的快速检测，也保证了较高的识别精度。【结论】YOLOv5s 网络权重模型小，能够轻松实现 Android 端的部署，且基于 YOLOv5s 设计的 APP 操作简单、检测精度高、识别速度快，可以有效辅助果园精准管理。

Design of Mobile App Recognition System for Apple Bark Disease Based on YOLOv5 s and Android