检索结果-南通市图书馆

华南农业大学学报 2024年第1期45卷 108-115页

作者：蔡竹轩蔡雨霖曾凡国岳学军华南农业大学电子工程学院/人工智能学院广东广州510642

【目的】引入YOLOv5l算法模型并对其进行改进,以实现大田环境下水稻稻穗的精准、高效、无损检测。【方法】以田间水稻为研究对象,通过数码单镜反光相机采集水稻图像样本,人工标注后对原始图像进行离线数据增强扩充,构建田间水稻图像数据... 详细信息

【目的】引入YOLOv5l算法模型并对其进行改进,以实现大田环境下水稻稻穗的精准、高效、无损检测。【方法】以田间水稻为研究对象,通过数码单镜反光相机采集水稻图像样本,人工标注后对原始图像进行离线数据增强扩充,构建田间水稻图像数据集;对YOLOv5l算法进行适应性改进,在空间金字塔池化(Spatial pyramid pooling,SPP)层前以及Cross-stage-sartial-connections(CSP)层中置入有效通道注意力(Efficient channel attention,ECA)机制,并进行对比试验。选取最优算法作为基准模型进行注意力机制和数据增强消融试验,并测试得到性能最优模型。将改进YOLOv5l与YOLOv5l、YOLOv5x、SSD和Faster R-CNN进行对比试验。【结果】在改进YOLOv5l的水稻识别框架中,将ECA置入网络SPP层前有更出色的性能。利用测试集图像检验模型,识别结果的平均精确率为93.63%,平均召回率为90.94%,总体平均精度可达95.05%。与未融合YOLOv5l算法相比,改进的YOLOv5l算法平均精度高3.03个百分点,图像的检测速率快8.20帧/ms;与YOLOv5x算法相比,改进的YOLOv5l算法平均精度提高0.62个百分点,图像的检测速率快5.41帧/ms,内存占用减少74.1MB,在田间水稻稻穗检测方面,改进YOLOv5l算法的综合性能优于其他算法。【结论】将改进后的YOLOv5l算法引入大田环境下的水稻稻穗检测是可行的,具有较高的精确率、较快的检测速度和较小的内存占用,能够避免传统人工检测的主观性,对稻穗检测和水稻的无损估产具有重要意义。

关键词：水稻估产稻穗检测 YOLOv5l ECA 注意力机制

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于无人机图像和深度学习的稻穗检测方法研究

基于无人机图像和深度学习的稻穗检测方法研究

引用

作者：孙博腾四川农业大学

学位级别：硕士

水稻(Oryza Satiua L.)作为我国主要粮食作物之一,准确、快速识别水稻单位面积有效穗数是预测水稻产量的关键环节。计算机视觉技术和无人机技术的兴起为稻穗检测提供了有效的手段。针对于农业数据稀缺以及获取效率低,无人机(unmanned ae... 详细信息

水稻(Oryza Satiua L.)作为我国主要粮食作物之一,准确、快速识别水稻单位面积有效穗数是预测水稻产量的关键环节。计算机视觉技术和无人机技术的兴起为稻穗检测提供了有效的手段。针对于农业数据稀缺以及获取效率低,无人机(unmanned aerial vehicle,UAV)拍照技术提高了稻穗图像采集效率,对于快速高质量采集农业数据集提供了解决手段。相较于其他目标检测模型,YOLOV4(You Only Look Once Version 4)目标检测模型在检测速度与精度上有明显优势,为农业领域广泛应用。大田复杂环境下杂交籼稻弯曲型稻穗存在重叠、遮挡,且无人机图像中稻穗分布密集,YOLOV4的应用仍存在一些问题。因此本研究首先采集不同品种株高、穗高数据建立决策树模型对不同株型(叶盖穗、穗盖叶、中间型)进行判别。采集4个生态点不同品种杂交籼稻无人机图像,改进YOLOV4模型建立通用弯曲稻穗检测模型,提高复杂场景下模型稻穗检测能力,为稻穗产量预测和单位面积稻穗计数提供参考依据。主要研究结果如下:(1)株型分类模型:基于成都市大邑县、崇州市、自贡市富顺县收集多个水稻品种的株高、穗高指标,基于株高、穗高、比例(株高/穗高)、差值(株高-穗高)4个指标建立决策树模型,通过分类决策树方法找到叶盖穗、穗盖叶以及中间型的分类阈值,利用水稻品种的株高、穗高指标预测其株型类型。针对上述4种指标建立的判断株型的模型,模型精度达到96%。(2)稻穗检测模型优化:首先,引入MobileNetV2替代DarkNet53作为YOLOV4的主干特征提取模块,基于无人机稻穗图像存在大量密集稻穗场景,在特征加强模块引入CBAM(Convolutional Block Attention Module)注意力机制,以提高特征提取时稻穗特征的权重。其次,利用Soft-NMS(Soft non-maximum suppression)代替NMS,解决稻穗重叠导致的模型计数精度降低问题。最后,利用Focal Loss代替原始YOLOV4中的二分类交叉熵损失(binary cross entropy,BCE)),减少重叠遮挡稻穗分类样本对模型精度影响。基于以上改进,建立了可应用于不同品种、不同生态点以及不同类型的通用稻穗检测计数模型。(3)模型检测效果:模型对于单幅608×608像素的稻穗图像检测率为44.46 FPS,该模型mAP、Recall和F1值分别达到90.32%、82.36%和0.89,相比较于原始YOLOV4算法,mAP、Recall、F1分别提升了6.2、16.24、0.12个百分点。单张稻穗图像检测速度提高了3 ms。改进模型在齐穗后7 d对于中间型、穗盖叶以及叶盖穗型稻穗计数的R分别是0.84、0.89、0.92,三种类型稻穗计数结果RMSE分别为2.56、1.95、4.39,显著高于成熟期稻穗计数精度。对改进模型进行综合评估,该模型对三种类型稻穗的检测结果都较好。其中对于穗盖叶株型检测计数效果最优。采用旌优781不同施肥处理稻穗图像作为独立数据集验证改进模型精度。结果表明其中G-Black肥料处理下计数精度最差,精度为73.67%,普通肥料处理计数精度为91.52%,在6个不同肥料处理下模型平均计数精度为85.2%。表明建立同一时期不同类型水稻品种的稻穗识别通用模型是可行的。(4)模型应用最佳时期:为了验证模型在齐穗期后7 d检测效果最优,分别在齐穗期、齐穗后7 d、齐穗后14 d动态获取无人机图像,基于U-Net模型对不同小区的稻穗图像进行分割,根据分割结果判断最佳时期和不同时期分散型稻穗对模型检测结果的影响。结果表明,基于三个时期建立的混合数据集训练稻穗分割模型,模型的mIoU为71.54%。分割效果表明,齐穗期分散穗型和重叠粘连稻穗少于齐穗后14 d,但与齐穗后7 d相比,部分稻穗尺寸较小,综合而言,在齐穗后7 d建立稻穗检测模型是最合适的。

关键词：水稻 YOLOV4 稻穗检测无人机 U-Net模型

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

基于深度学习的稻穗检测和计数方法研究

基于深度学习的稻穗检测和计数方法研究

引用

作者：滕子璇福建农林大学

学位级别：硕士

水稻是一种关键的农作物,是许多国家的主食。农田中稻穗的检测和计数是判断水稻生长育种情况、预测水稻产量最直接有效的方法之一。当前,无人机遥感技术结合深度学习在农业领域中已经得到了广泛应用,使得在图像质量、感知效率和操作成... 详细信息

水稻是一种关键的农作物,是许多国家的主食。农田中稻穗的检测和计数是判断水稻生长育种情况、预测水稻产量最直接有效的方法之一。当前,无人机遥感技术结合深度学习在农业领域中已经得到了广泛应用,使得在图像质量、感知效率和操作成本之间能够达到适当的平衡。然而,稻穗在生长周期中存在表型特征多变、体积小、局部遮挡等特点,并且不可抗的成像干扰因素都为稻穗识别增加了难度。因此,快速实现准确的田间稻穗计数十分具有挑战性。另一方面,当前研究缺乏公开的不同飞行高度及在不同生育期拍摄的无人机稻穗影像,使得利用无人机影像对稻穗检测和计数的研究不充分。此外,目前存在的基于图像的稻穗自动检测和计数方法,对于非计算机专业的研究人员来说不友好,可访问性差。因此如何便于非计算机专业研究人员方便通过图像得到稻穗计数的结果显得尤为重要。针对上述问题,本文以深度学习目标检测为基础,重点从稻穗无人机影像数据集的构建、Panicle-YOLO稻穗检测网络的构建以及稻穗检测和计数云平台搭建和产量等级预测等方面,开展田间稻穗检测与计数研究及应用。本文主要研究工作和贡献如下:1、针对目前暂未存在一个公开的、规范且多样的无人机稻穗数据集,本文采集了无人机不同飞行高度拍摄和四个生育期的稻穗无人机影像,在此基础上建立形态多样的稻穗无人机影像数据集。利用无人机搭载可见光传感器,设置了7米、12米和20米三个飞行高度,从始穗期到灌浆后期对稻穗进行拍摄,预处理稻穗图像并对其进行标注。建立的无人机稻穗数据集共有5282张无人机图像和237659个稻穗标签,数据集包含稻穗的多种形态,可作为稻穗检测和计数算法研究的基准评价数据集。2、针对稻穗表型特征变化大以及复杂的背景环境干扰等问题,提出了Panicle-YOLO稻穗检测模型。该模型利用多分支结构,使模型感受野更具有多样性,可以获得更多不同的上下文语义信息,同时,引入通道注意力并调整损失函数,使模型得到更好的优化。通过多个稻穗检测和计数实验,表明提出的算法在稻穗检测计数上的准确性、有效性和泛化性。3、针对当前非计算机专业研究人员难以使用已有的稻穗检测和计数算法的问题,开发了一个便于非专业人员使用的稻穗检测和计数的云平台,将提出的Panicle-YOLO和其他四个训练好的稻穗检测模型嵌入该云平台。同时,为了验证合适检测稻穗的生长阶段,对不同生长阶段的稻穗特征提取与分析。最终,通过云平台获取稻穗数量,并利用有监督的机器学习方法有效地对水稻产量水平进行分类,验证集上准确率为84.03%。本文设计的云平台可方便育种专家对稻穗的农艺特性进行深入研究,为快速智能育种提供技术支撑。

关键词：深度学习稻穗检测云平台产量预测

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

基于改进Faster R-CNN的水稻稻穗检测方法

引用

农业机械学报 2021年第8期52卷 231-240页

作者：张远琴肖德琴陈焕坤刘又夫华南农业大学数学与信息学院广州510642

为了快速而准确地统计视频监测区域内的水稻穗数,提出了一种基于改进Faster R-CNN的稻穗检测方法。针对稻穗目标较小的问题,在Inception_ResNet-v2的基础上引入空洞卷积进行优化;对于不同生长期稻穗差别大的问题,设计了针对标注框尺度的... 详细信息

为了快速而准确地统计视频监测区域内的水稻穗数,提出了一种基于改进Faster R-CNN的稻穗检测方法。针对稻穗目标较小的问题,在Inception_ResNet-v2的基础上引入空洞卷积进行优化;对于不同生长期稻穗差别大的问题,设计了针对标注框尺度的K-means聚类,为候选区域生成网络提供先验知识,从而提高了检测精度。鉴于小尺寸稻穗目标的特殊性,用ROIAlign替代ROIPooling,提高了感兴趣区域的提取精度。试验测试时,根据水稻不同发育期稻穗的表型特征差异自制了3类数据集,并选取最佳聚类数为10。模型对比试验表明,本文方法的稻穗检测平均精度均值达到80.3%,较Faster RCNN模型提升了2.4个百分点,且比SSD和YOLO系列模型有较大幅度的提升。

关键词：稻穗检测改进Faster R-CNN Inception_ResNet-v2 K-means

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于YOLOv7的无人机影像稻穗计数方法研究

引用

广东农业科学 2023年第7期50卷 74-82页

作者：王宏乐叶全洲王兴林刘大存梁振伟深圳市五谷网络科技有限公司广东深圳518000 深圳市丰农数智农业科技有限公司广东深圳518000

【目的】利用深度学习技术开展基于无人机采集的水稻稻穗RGB图像进行稻穗快速计数技术研究,利于建立省工、省时、高效的产量评估预测,为后续收获、烘干、仓储工作以及品种试验评估等提供依据。【方法】在水稻齐穗-灌浆期,使用无人机采... 详细信息

【目的】利用深度学习技术开展基于无人机采集的水稻稻穗RGB图像进行稻穗快速计数技术研究,利于建立省工、省时、高效的产量评估预测,为后续收获、烘干、仓储工作以及品种试验评估等提供依据。【方法】在水稻齐穗-灌浆期,使用无人机采集水稻稻穗图片,通过对图片中稻穗的标注、分类以及训练,获得基于YOLOv7的网络结构模型,与田间实际调查结果进行对比和验证,针对该方法对不同亚种水稻稻穗的数穗计数精度作出评价。【结果】将得到的模型的预测结果与真实结果进行比较,对于相同的训练集,YOLOv7模型的重叠率(Intersecion of union,IoU)值的中位数普遍高于YOLOv5模型。仅使用粳稻数据训练得到的模型对粳稻有较好的识别精度,YOLOv7模型的mAP@0.5为80.75%、mAP@0.25为93.01%,优于YOLOv5l模型的mAP@0.5值73.36%、mAP@0.25值91.16%;两种模型对籼稻识别精度不高。对籼稻识别最佳的模型为使用籼稻数据训练得到的模型,YOLOv7模型的mAP@0.5为73.19%、mAP@0.25为83.71%,优于YOLOv5l模型的mAP@0.5值72.77%、mAP@0.25值81.66%;但两种模型均对粳稻识别精度不高。对预测结果与实际调查结果进一步比较验证表明,仅使用粳稻数据训练得到的模型对粳稻有较好的识别精度,模型预测值与观察值显著相关。其中YOLOv7模型对粳稻预测精度最高,R2为0.9585、RMSE为9.17;其次为YOLOv5模型,R2为0.9522、RMSE为11.91。对籼稻识别最佳的模型为使用籼稻数据训练得到的模型。其中YOLOv7模型对籼稻预测精度最高,R2为0.8595、RMSE为24.22。其次为YOLOv5模型,R2为0.7737、RMSE为32.56。【结论】本研究初步建立的基于无人机的田间水稻单位面积穗数快速调查方法,具有较高精度,可应用于实际田间测产工作,有利于克服人工田间估产工作量大、效率低、人为误差等问题,未来可进一步应用于可移动水稻估产装置的开发。

关键词：水稻稻穗检测 YOLOv7 目标检测深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

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

在线全文

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

在线全文

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：