关键词：苹果采摘;仿真;视觉识别;深度学习;YOLOv5-s
摘 要：为了解决当前苹果采摘设备识别精度差、人工采摘效率低等问题，设计了苹果采摘机械，可以显著提高苹果识别精度，加快苹果采摘效率，使经济效益最大化。通过对苹果树生长环境及生长特性进行分析研究，依据深度学习原理，选择YOLOv5-s算法对苹果进行目标检测，研制适合苹果采摘的机械设备。采摘机械设备主要由识别装置、伸缩装置、分类装置、传送装置、采摘通道、主体钢结构、采摘机械手及动力源装置等组成。Python仿真实验验证表明：通过YOLOv5-s目标检测后苹果采摘机械对苹果的识别精确度在75%以上，与RCNN、SSD等图像检测模型相比，检测精度提高了10%以上，且占用内存小、识别速度快。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取