基于YOLOX的作物种子自动计数方法

种子计数是获取作物种子千粒质量指标时关键而又烦琐的步骤。目前种子计数一般通过人工和千粒质量测量仪器实现,然而人工计数效率低,千粒质量测量仪器成本高、不易携带。以手机拍摄的6种常见作物种子图像构建数据集,在YOLOX模型的基础上引入注意力机制改进损失函数提出YOLOX-P模型,实现种子自动计数。结果表明,YOLOX-P相比YOLOX模型参数量仅增加0.09 M,m AP改进0.74个百分点,达到99.38%;模型在显存6 GB的NVIDIA GeForce RTX2060显卡上的推理时间为18.68 ms,适宜部署在移动端。提出的模型显著改善千粒质量测定工作的效率和效果。     

基于ResNet深度残差网络的白喉乌头检测

在人类活动和气候变化的影响下，毒害草的蔓延威胁着生态安全和畜牧业的健康发展，白喉乌头(Aconitum leucostomum)是新疆伊犁地区危害最为严重的毒害草之一。为了实现天然草原异质背景下快速、精准、自动检测毒害草的目标，以白喉乌头为研究对象，利用无人机航拍正射影像构建白喉乌头数据集。基于Faster-RCNN和SSD算法，采用ResNet50和ResNet101两种深度的主干网络提取特征，对比不同方法的检测精度。结果表明：通过对比测试集的检测精度Faster-RCNN＿ResNet50的mAP (平均精确度)值最高，达到64.74%，而SSD＿ResNet50的mAP最低，仅为48.70%,Faster-RCNN＿ResNet101的mAP值为63.37%，而SSD＿ResNet101的为52.55%。本研究对从航拍正射影像中检测白喉乌头有借鉴意义和参考价值。     

图书馆在架图书书脊与标签实例分割方法研究

准确获取图书信息是智能化管理图书的关键，为实现在架图书书脊和书脊底部标签的精确分割，本研究在SparseInst基础上提出增强编码器实例分割模型EE-SparseInst。该模型使用特征选择对齐模块将特征图对齐并融合，以减少边界信息损失，使用边界解析模块增强相邻书脊边缘处的语义表示，提高掩码的分割质量。建立在架图书图像数据集，数据集包含2 253张图像和标注信息。结果表明，EE-SparseInst平均精确率达到80.81%,相较于CenterMask、SOLOv2、PolarMask和SparseInst 4种主流锚框自由式实例分割方法分别提高了7.57%、20.07%、10.50%、0.74%。