检索结果-南通市图书馆

检索条件"主题词=大豆植株考种"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向大豆植株考种的多目标跟踪算法研究

面向大豆植株考种的多目标跟踪算法研究

引用

作者：郭瑞山东大学

学位级别：硕士

大豆是人类摄取优质蛋白质以及食用油脂的重要来源之一。近年来,我国对大豆的需求量随着人口增多而急剧增加,但大豆供应却很大部分依赖进口,严重威胁着国家粮食安全。因此,实现国内大豆的优质增产刻不容缓。识别分析大豆植株表型性状是... 详细信息

大豆是人类摄取优质蛋白质以及食用油脂的重要来源之一。近年来,我国对大豆的需求量随着人口增多而急剧增加,但大豆供应却很大部分依赖进口,严重威胁着国家粮食安全。因此,实现国内大豆的优质增产刻不容缓。识别分析大豆植株表型性状是大豆考种的一种重要方式,对提高大豆单产具有重要意义。目前,大豆植株考种主要依靠传统的人工方式,对表型性状的识别主要面向豆荚种类检测与分枝数量研究,尚无有效的大豆单株种粒数预测方法。本文以收获后的东北大豆植株为研究对象,利用大豆单株表型测量仪采集大豆植株旋转视频,参与设计出一种面向大豆植株考种的多目标跟踪(Multi-Object Tracking,MOT)框架,进而实现了大豆单株豆荚跟踪与大豆种子数量的自动化预测,为评估不同品种大豆的产量提供了可靠依据。本文主要完成了以下工作:(1)将工业相机、可调节植株夹持结构、机械臂和息影灯等进行有机组合,参与设计并制作出一款大豆单株表型测量仪,采集了 2020年收获的不同品种的东北大豆植株,共获得700多个双株旋转视频。依次通过图像裁剪算法、图像格式转换算法和LabelImg手工标注,制作了目标检测(Object Detection,OD)与跟踪数据集。(2)基于YOLOv4模型,引入k-means聚类算法和改进的注意力模块,提出Improved-YOLOv4模型,实现了大豆单株豆荚数的有效预测。经过大量实验对比发现,本文检测模型的平均准确率相较于YOLOv4提升了 5.67%,在扩充数据集上达到84.37%,在摆盘数据集中达到99.1%,大幅度提升了检测精度,同时验证了模型的鲁棒性与泛化能力。(3)基于DeepSORT模型,提出多类别豆荚跟踪模型MBI-DeepSORT。融合改进的YOLOv4模型,基于迁移学习的思想对深度表观特征豆荚重识别(Bean Re-identification,B-ReID)进行训练,最终添加多类别跟踪与计数模块,实现了大豆单株豆荚跟踪与大豆种子数量统计的功能,为人工智能育种提供了新的思路与方法,完成了大豆单株考种的核心工作之一。本文通过目标检测与多目标跟踪相关技术,设计出一种大豆单株豆荚检测、跟踪与计数为一体的新框架,完成了大豆植株考种的初步实验,有效缓解了传统考种方式中费时费力且误差较大等问题,为育种专家评估不同品种大豆产量提供了可靠的数据依据,为大豆植株自动化考种提供了有效的先验性方法。

关键词：大豆植株考种大豆单株豆荚检测 YOLOv4 多目标跟踪 DeepSORT

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的大豆表型测量方法研究

基于深度学习的大豆表型测量方法研究

引用

作者：袁德明山东大学

学位级别：硕士

大豆是人类食物中蛋白质的主要来源之一,是重要的农作物。我国的大豆种植历史悠久。但随着大豆需求量的增长,我国大豆由于单亩产量低,自产量已严重不足,目前大部分供应依赖进口,已经威胁国家粮油安全。为了解决这一难题,培育优质高产大... 详细信息

大豆是人类食物中蛋白质的主要来源之一,是重要的农作物。我国的大豆种植历史悠久。但随着大豆需求量的增长,我国大豆由于单亩产量低,自产量已严重不足,目前大部分供应依赖进口,已经威胁国家粮油安全。为了解决这一难题,培育优质高产大豆品种势在必行,因而大豆考种工作尤为关键。大豆植株考种一般采用成熟的干豆棵,观察大豆植株成熟的状态之后采集其各项表型数据,其中单株豆荚数量指标尤为关键,它直接关联着单株大豆的产量。目前,大豆单株考种的办法以人工观察计数为主,效率低下的同时也难以保证数据的准确性。因此本文提出一种基于深度学习的大豆单株表型测量方法,为实现大豆的智能化考种进行研究。本文主要工作是:1.设计了一种大豆植株表型测量仪,通过PLC控制器与机械设备相结合,实现了大豆植株图像的半自动化采集。采集所得的视频与图像具有很高的质量,基于计算机视觉处理技术,编写程序从收集到的图像制作成大豆植株表型数据集;2.提出了一种基于DCGAN的大豆植株数据增强办法,采用DCGAN与常规方法对初始的大豆植株数据集进行了有效扩充,降低了深度学习模型训练中易发生的过拟合现象。扩充后训练得到检测模型的检测效果大幅提升;3.提出了一种基于jetson nano的嵌入式测量方法,使用jetson nano嵌入式主板与软件相结合,使用轻量化网络YOLOv4-Tiny训练大豆表型检测模型,采用TensorRT技术对模型进行加速并部署,在设备体积低于1L的基础上完成了大豆表型的快速化检测。本文创新性地研制了一种大豆植株考种仪并投产使用,提出基于深度学习的大豆表型测量方法,能够大幅降低前期人工图像采集的工作量,有效提升采集图像的质量,数据增强后的数据集能够有效避免过拟合问题。嵌入式测量方法将软件与硬件相结合,大幅提升了方法的实用性,为育种专家设计精准的育种方案提供大数据支撑。

关键词：表型数据测量仪大豆植株考种深度学习 DCGAN Jetson Nano

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：