面向durian种植园的基于YOLOv5-SSD的混合物体检测IoT系统
计算机视觉与模式识别
2025-11-04 v1
摘要
durian种植园遭受动物入侵，导致作物受损和经济损失。传统农业实践因无法实现无人监控而无效。机器学习和Internet of Things(IoT)技术的快速发展导致了新的动物检测方式。然而，当前系统受限于依赖单一目标检测算法、可访问性差的通知平台以及有限的驱赶机制。本研究提出了durian作物的IoT-enabled动物检测系统。该系统集成YOLOv5和SSD目标检测算法以提高检测准确度。该系统提供实时监控，检测到的入侵事件会自动通过Telegram通知农民以实现快速响应。一旦检测到动物，便会触发自动声音机制（如虎鸣）。YOLO+SSD模型在象、野猪和猴子的检测准确率分别为90%、85%和70%。该系统在白天表现最佳，夜间准确率下降，无论图像是静止的还是视频。总体而言，本研究贡献了一个综合且实用的框架，将检测、通知和驱赶结合在一起，为未来的自动化农业解决方案铺平了道路。
引用
@article{arxiv.2511.00777,
title = {A Hybrid YOLOv5-SSD IoT-Based Animal Detection System for Durian Plantation Protection},
author = {Anis Suttan Shahrir and Zakiah Ayop and Syarulnaziah Anawar and Norulzahrah Mohd Zainudin},
journal= {arXiv preprint arXiv:2511.00777},
year = {2025}
}