YOLOV5 橘子成熟度检测实战项目（含数据、代码及训练权重）

简介：
本项目基于YOLOv5框架开发，旨在实现橘子成熟度自动检测。内容包括详尽的数据集、完整代码和预训练模型，助力快速部署应用。 基于YOLOV5的橘子成熟检测（2类别）实战项目包含完整的代码、数据集及训练好的权重参数，经过测试可以直接使用。 该项目使用的图像分辨率为640*640像素的RGB图片，用于区分橙子是否成熟的数据集包括清晰标注边界框和完整图像。此模型可用于柑橘自动采摘的应用场景中。 【数据】 - 训练集：包含2313张图片及对应的标签txt文件。 - 验证集：包含224张图片及其对应标签的txt文件。 【yolov5项目概述】 总大小为136 MB，经过了为期30个epoch的训练，在runs目录下保存了详细的训练结果。最佳精度达到map0.5=0.98和map0.5:0.95=0.78。由于网络尚未完全收敛，增加更多的训练轮次可能会取得更好的效果。 在项目的训练过程中生成了验证集上的混淆矩阵、PR曲线以及F1得分曲线等评估指标以帮助分析模型性能。