摘要： 植株的精准识别和定位是获取植物表型信息的基础，本研究采用YOL0v5s对7种玉米数据集组合进行训练，研究了不同数据量、学习率(0.01、0.001和0.0001)和数据增强技术（增加对比度、改变亮度、水平翻转图像和图像旋转)对模型训练的影响，以通过目标检测算法达到识别玉米植株的目的。研究表明，模型精度 随数据量的增大而增加；为获得不同的数据集的最优精度，需设置不同的学习率；4种增强数据集在学习率为0.0001时，Y0L0v5模型的平均精度最高。本研究利用深度学习技术对玉米图像进行目标检测，实现玉米目标 定位，对构建一体化的智慧农业平台具有重要意义。

关键词: 玉米；YOLO;目标检测；数据增强

中图分类号: 

• S126