基于YOLOV5的玉米雄穗检测和计数-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

学术中心

全部分类

基于YOLOV5的玉米雄穗检测和计数

发布时间：

2023-01-24

来源：

植物表型资讯

作者：

PhenoTrait

玉米雄穗的自动检测和计数是提高玉米产量的重要手段。本文提出了一种基于改进YOLOv5n网络的玉米雄穗检测与计数技术，如图1。使用GELU激活函数代替SiLU改进YOLOV5，并在主干网络（Backbone）的最后一个C3结构上应用注意力模块，如图2，在Neck使用深度卷积和路径聚合网络(path aggregation network, PANet，如图3)，在检测头（Head）部分使用空间dropout层，使模型学习更复杂的特征，更好地检测雄穗，控制过拟合，并减少推理时间。利用玉米雄穗检测与计数(Maize Tassel Detection and Counting，MTDC)数据集对该模型进行训练和评价，如图4，改进后的平均精密度(AP)提高了6.67%。为了研究该模型在精度和推理时间方面的性能，将所提模型的结果与Faster R-CNN、SSD、RetinaNet和TasselNetv2+算法得到的结果进行了比较，如图5-7。这些方法对R2的回收率分别为88.25%、68.31%、75.32%和78.68%。通过Faster R-CNN、SSD和RetinaNet算法分别获得了52.94%、68.46%和70.99%的AP，如图8。对于改进的YOLOv5n模型，这些值为95.72%和86.69%。结果验证了改进的YOLOv5n模型在最短时间内检测和计数玉米流穗数最多方面的优势。

图1 改进YOLOv5n模型的体系结构

图2 注意力模块

图3 PANet

图4 YOLOv5n和改进的YOLOv5n检测玉米MTDC试验，雄穗的可视化结果

图5 采用Faster R-CNN、RetinaNet、TasselNetv2+和Modified YOLOv5n检测MTDC数据集的玉米雄穗的定性结果

图6 不同模型玉米雄穗检测的真阳性、假阴性和假阳性的数量

图7 不同模型在MTDC测试图像上的线性回归图

图8 AP值与检测模型的得分阈值之间的比较

来源

Falahat, S., Karami, A. Maize tassel detection and counting using a YOLOv5-based model. Multimed Tools Appl (2022). https://doi.org/10.1007/s11042-022-14309-6

编辑

王春颖

扩展阅读