学术中心
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.
扫二维码用手机看
推荐新闻

发布时间 : 2022-11-13 07:26:55

发布时间 : 2022-05-20 11:45:57

发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
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中路12号院8号楼2门
电话:010-62925490、82928854、82928864、82928874、18600875228
传真:010-62925490-802
Email: info@phenotrait.com
邮编:100096
在线留言
关注我们

植物表型圈

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