| 基于卷积神经网络的田间麦穗检测方法研究 |
| |
| 引用本文： | 张合涛,赵春江,王传宇,郭新宇,李大壮,苟文博.基于卷积神经网络的田间麦穗检测方法研究[J].麦类作物学报,2023(6):798-807. |
| |
| 作者姓名： | 张合涛 赵春江 王传宇 郭新宇 李大壮 苟文博 |
| |
| 作者单位： | （1.西北农林科技大学信息工程学院，陕西杨凌 712100；2.北京农业信息技术研究中心，北京 100097；3.国家农业信息化工程技术研究中心/数字植物北京市重点实验室，北京 100097） |
| |
| 基金项目： | 北京市农林科学院作物表型组学协同创新中心资助项目 |
| |
| 摘 要： | 为提高卷积神经网络对麦穗的识别检测精度，在YOLOv5检测模型基础上提出改进的识别检测模型YOLOv5-αTB，在特征提取网络末端部分加入Transformer模块，强化特征提取网络对小麦麦穗图像的颜色、纹理、几何等特征的提取，在特征融合部分将路径聚合网络（path aggregation network，PANet）替换成加权双向特征金字塔（bidirectional feature pyramid network，BiFPN），进一步优化多尺度特征的融合。针对边界框回归损失函数的计算方式IoU的局限性，引入了α-CIoU加强了边界框回归的效果。利用YOLOv5-αTB检测模型在测试集上得到的精确度（precision）、召回率（recall）和平均精度(average precision，AP)分别是99.95%、81.86%和88.64%，在平均精度上相比于传统的YOLOv5模型提升2.92个百分点。该模型检测统计麦穗数量对比人工计数结果，识别检测精度约为97.00%。
|
| 关 键 词： | 小麦麦穗 卷积神经网络 特征提取 特征融合 损失函数 麦穗识别检测模型 |
Study on Wheat Ear Detection Method Based on Convolution Neural Network |
| |
| ZHANG Hetao,ZHAO Chunjiang,WANG Chuanyu,GUO Xinyu,LI Dazhuang,GOU Wenbo.Study on Wheat Ear Detection Method Based on Convolution Neural Network[J].Journal of Triticeae Crops,2023(6):798-807. |
| |
| Authors: | ZHANG Hetao ZHAO Chunjiang WANG Chuanyu GUO Xinyu LI Dazhuang GOU Wenbo |
| |
| Institution: | (1.College of Information Engineering,Northwest A&F University,Yangling, Shaanxi 712100,China; 2.Beijing Research Center for Information Technology in Agriculture,Beijing 100097,China; 3.Beijing Key Labof Digital Plant,National Engineering Research Center for Information Technology in Agriculture,Beijing 100097,China) |
| |
| Abstract: | |
| |
| Keywords: | Wheat ears Convolutional neural network Feature extraction Feature fusion Loss function Wheat ears recognition and detection model |
|
| 点击此处可从《麦类作物学报》浏览原始摘要信息 |
| 点击此处可从《麦类作物学报》下载免费的PDF全文 |
|
