本文主要介绍了使用基于YOLOv5的单阶段检测器进行番茄植株表型分析的深度学习模型。实验使用一个高通量表型分析平台（HTP）进行，采用近红外 (NIR)、紫外线 (UV)、可见光 (RGB) 和专用于捕捉根部的特殊NIR相机获取植物的3D图像。基于上述表型获取平台，采集了复杂图像数据集，包含了15个番茄基因型在干旱胁迫下的茎节、果实和花朵的标注信息。本文选择了六种不同版本的YOLOv5模型进行比较，这些模型基于相同的基本架构，但在网络密度上有所不同，从而影响了检测精度和速度。使用了转移学习的方法，冻结了网络的主干部分，只训练了网络的头部部分，以适应数据集的特点。每个模型训练了300个周期，然后用精度、召回率和mAP等指标进行评估。结果发现，在单独使用各个模型时，YOLOv5x6模型在mAP上表现最好，达到了0. 883，但也有最慢的检测速度，为26. 2毫秒/张。YOLOv5s模型在检测速度上表现最好，为8. 9毫秒/张，但在mAP上表现最差，为0. 803。此外，还尝试了使用集成策略来提高检测效果，即将不同版本的YOLOv5模型的输出进行加权平均。结果显示，集成策略可以在一定程度上提升mAP和召回率，但也会降低精度和检测速度。文章还对不同类别的检测结果进行了分析，发现节点是最容易被检测出来的类别，而花朵是最难被检测出来的类别。这可能与数据集中各类别样本数量的不平衡以及图像中对象大小、相似性和颜色等因素有关。研究表明基于YOLOv5的单阶段检测器可以有效地识别番茄植株表型特征，尤其是节点、果实和花朵。展示了不同版本的YOLOv5模型之间在检测精度和速度上存在权衡关系，因此需要根据具体应用场景选择合适的模型，使用集成策略来提高检测效果的可能性和局限性。

这篇文章的创新点可以总结为：

• 首次使用基于YOLOv5的单阶段检测器进行番茄植株表型分析，展示了该方法在处理具有挑战性的图像数据集方面的优势。

• 全面比较和分析了不同版本的YOLOv5模型在检测精度和速度上的差异和权衡关系，为选择合适的模型提供了参考。

• 尝试了使用集成策略来提高检测效果，并探讨了其可能性和局限性。

图1 计算机视觉注释工具（CVAT）提供的图形用户界面。用户可以在相关对象上手动插入边界框，然后使用适当的注释对其进行标记。

图2 基于YOLO架构的工作原理

图3 YOLOv5l6架构经过300代训练后的精确度、召回率和F1分数

图4  YOLOv5x6架构代训练后的精确度、召回率和F1分数

图5 YOLOv5+和YOLOv5+TTA的F1分数

图6 不同框架下的F1分数