学术中心

全部分类
您现在的位置:
首页
/
/
/
基于Yolov4的小麦穗检测方法

基于Yolov4的小麦穗检测方法

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2020-11-30 06:10
  • 访问量:

【概要描述】

基于Yolov4的小麦穗检测方法

【概要描述】

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2020-11-30 06:10
  • 访问量:
详情

基于深度学习的植物表型分析技术日受重视。田间麦穗检测是估测小麦穗密度、健康度、成熟度、有无芒等性状的重要任务。传统小麦穗检测方法效率低、主观性强、准确性差。然而,随着深度学习理论的发展和计算机硬件的不断迭代,基于深度神经网络的目标检测方法的精度有了很大提高。因此,采用深度神经网络方法对小麦穗图像进行检测具有一定的价值。

 

小麦穗检测

 

本文提出了一种基于深度神经网络的小麦穗检测方法。首先,为了改善骨干网络部分,引入了两个SPP网络以增强特征学习的能力并增加卷积网络的接受范围。其次,采用自上而下和自下而上的特征融合策略来获取多层次特征。最后,利用Yolov3的头部结构来预测物体边界框。结果表明,本文提出的小麦穗检测方法具有较高的准确性和速度。该方法的平均准确度为94.5%,检测速度为88fps。

 

本文提出的Yolov4结构

 

本文提出的方法的结构

 

数据集注释示例

 

综上所述,本文所提出的基于Yolov4的能够准确、快速地检测出小麦穗图像。另外,训练数据集是一个注释准确、种类丰富的小麦穗数据集,使得该方法更加具有鲁棒性,具有广泛的应用价值。此外,该检测器的骨干网层次较深,更适用于小麦检测任务。空间金字塔池(SPP)和多级特征融合的使用对提高检测器性能起着至关重要的作用。本文提出的方法为小麦育种提供了有益的帮助。

 

本文提出的小麦穗检测器的工作流程

 

来源:

Gong B, Ergu D, Cai Y, Ma B. A Method for Wheat Head Detection Based on Yolov4. DOI:10.21203/rs.3.rs-86158/v1.

关键词:

扫二维码用手机看

推荐新闻

我司荣登2020国际未来农业食品百强榜生物农业TOP20
我司荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
查看详情
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
PhenoTrait “职”等你来
PhenoTrait “职”等你来
发布时间 : 2020-11-23 15:31:23
赶快将您的简历发到邮箱hr@phenotrait.com,我们热切的期待您的来信。!
查看详情
赶快将您的简历发到邮箱hr@phenotrait.com,我们热切的期待您的来信。!
慧诺表型实验室推出测试服务
慧诺表型实验室推出测试服务
发布时间 : 2020-08-26 11:38:26
提供植物表型、光合作用等相关的数据测试和分析服务
查看详情
提供植物表型、光合作用等相关的数据测试和分析服务
提高光合效率促进植物生长
提高光合效率促进植物生长
发布时间 : 2020-07-10 00:00:00
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。
查看详情
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。

视频展示

植物表型架起从数字农业到智慧农业的桥梁
00:30:11
所属分类:
视频展示
发布时间:
2020/12/10
关键词:

专题报道

搜索
确认
取消

联系我们

慧诺瑞德(北京)科技有限公司

地址:北京市海淀区西三旗街道建材城东路10号院
          京城尚德智造产业园E区112B

电话:010-62925490829288548292886482928874
传真:010-62925490-802
Email:
info@phenotrait.com

邮编:100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

植物表型资讯

慧诺瑞德(北京)科技有限公司版权所有      京ICP备15043840号    网站建设:中企动力   北二分     法律声明