学术中心

全部分类
您现在的位置:
首页
/
/
/
田间麦穗的快速检测与计数

田间麦穗的快速检测与计数

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-07-30 06:10
  • 访问量:

【概要描述】为了提高田间麦穗检测和计数的准确性,本文提出了一种改进的YOLOv4和CBAM模型,可以增强麦穗的特征提取能力。为了提高模型的泛化能力,不仅使用了本地小麦数据(WD),还使用了两个公共数据集(WEDD和GWHDD)来构造训练集、验证集和测试集。

田间麦穗的快速检测与计数

【概要描述】为了提高田间麦穗检测和计数的准确性,本文提出了一种改进的YOLOv4和CBAM模型,可以增强麦穗的特征提取能力。为了提高模型的泛化能力,不仅使用了本地小麦数据(WD),还使用了两个公共数据集(WEDD和GWHDD)来构造训练集、验证集和测试集。

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-07-30 06:10
  • 访问量:
详情

麦穗检测和计数对于作物田间管理、产量估算和表型分析具有重要意义。以往的研究表明,大多数小麦穗检测方法都是基于颜色、纹理等浅层特征,通过机器学习方法提取,已取得了较好的效果。然而,由于缺乏鲁棒性,上述方法很难满足田间条件下的麦穗检测和计数。其他研究表明,卷积神经网络(CNN)方法可以用于实现麦穗检测和计数。然而,麦穗的粘连和闭塞限制其检测的准确性。因此,为了提高田间麦穗检测和计数的准确性,本文提出了一种改进的YOLOv4和CBAM模型,可以增强麦穗的特征提取能力。为了提高模型的泛化能力,不仅使用了本地小麦数据(WD),还使用了两个公共数据集(WEDD和GWHDD)来构造训练集、验证集和测试集。

 

来自不同数据集的小麦穗样本

 

标签示例

 


基于改进yolov4的小麦穗部检测计数技术流程图

 

结果表明,该模型能有效地克服田间环境中的噪声,实现对不同密度分布麦穗的准确检测和计数。麦穗检测的平均准确率分别为94%、96.04%和93.11%。此外,在60幅小麦图像上对麦穗进行了计数。结果表明,WD的R2=0.8968,WEDD的R2=0.955,GWHDD的R2=0.9884。综上所述,CBAM-YOLOv4模型能够满足小麦穗部检测和计数的实际要求,可以为其他高通量参数的提取提供技术支持。

 

损失值和平均精度随迭代次数而变化

 

不同数据集小麦穗部检测结果实例

 

来源:

Yang B, Gao Z, Gao Y and Zhu Y. Rapid Detection and Counting of Wheat Ears in the Field Using YOLOv4 with Attention Module. Agronomy 2021, 11(6), 1202; https://doi.org/10.3390/agronomy11061202.

关键词:

扫二维码用手机看

推荐新闻

高通量植物表型平台建设注意事项
高通量植物表型平台建设注意事项
发布时间 : 2022-05-20 11:45:57
育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。
查看详情
育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。
作物生理表型测量基础原理
作物生理表型测量基础原理
发布时间 : 2022-05-13 10:56:43
生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。
查看详情
生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。
AI育种,从这里起步
AI育种,从这里起步
发布时间 : 2022-05-09 12:21:00
植物表型本身就是一个跨学科领域,自带AI基因。而植物表型服务的对象就是育种和种植。AI通过植物表型赋能育种,是AI育种的重要发展方向之一。让我们用表型之“瞳”,赋农业之“慧”。
查看详情
植物表型本身就是一个跨学科领域,自带AI基因。而植物表型服务的对象就是育种和种植。AI通过植物表型赋能育种,是AI育种的重要发展方向之一。让我们用表型之“瞳”,赋农业之“慧”。
致即将毕业的你
致即将毕业的你
发布时间 : 2021-04-20 15:29:43
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
查看详情
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。

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中路12号院8号楼2门 
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