| 基于YOLOv5的小麦种子发芽检测方法研究 |
| |
| 引用本文： | 白卫卫,赵雪妮,罗斌,赵薇,黄硕,张晗.基于YOLOv5的小麦种子发芽检测方法研究[J].浙江农业学报,2023(2):445-454. |
| |
| 作者姓名： | 白卫卫 赵雪妮 罗斌 赵薇 黄硕 张晗 |
| |
| 作者单位： | 1. 陕西科技大学;2. 北京市农林科学院智能装备技术研究中心;3. 北京市农林科学院信息技术研究中心 |
| |
| 基金项目： | 国家重点研发计划(2017YFD0701205)； |
| |
| 摘 要： | 种子发芽试验是检验作物品质的重要环节。为提高种子发芽检测效率，实现种子发芽检测自动化，以小麦为研究对象，通过机器视觉技术结合深度学习方法，构建基于YOLOv5的种子发芽判别的模型，在此基础上通过小麦7 d发芽试验图像组合分析，设计一套基于YOLOv5的种子发芽检测改进判别方法(DB-YOLOv5),实现对小麦种子发芽率、发芽势、发芽指数、平均发芽天数的快速检测，并开展检测试验。结果表明，YOLOv5模型对小麦种子发芽判别精确率为92.5%,DB-YOLOv5模型对小麦种子发芽判别精确率为98.5%,发芽势、发芽指数、平均发芽天数与人工检测误差为0.5%、2.39、0.1 d。上述结果表明，DB-YOLOv5模型可实现对小麦种子发芽率、发芽势、发芽指数、平均发芽天数的快速检测，为农作物种子发芽快速检测提供参考。
|
| 关 键 词： | 小麦种子 发芽检测 深度学习 YOLOv5 |
|
|
