为有效解决玉米雄穗无人机识别过程中因雄穗尺寸过小造成的漏检、识别速度慢、模型体积大等问题,通过添加注意力机制、融入轻量化模块和优化损失函数,建立了一种改进YOLOv8n卷积神经网络的玉米雄穗检测模型YOLOv8n-maize。结果表明:改...为有效解决玉米雄穗无人机识别过程中因雄穗尺寸过小造成的漏检、识别速度慢、模型体积大等问题,通过添加注意力机制、融入轻量化模块和优化损失函数,建立了一种改进YOLOv8n卷积神经网络的玉米雄穗检测模型YOLOv8n-maize。结果表明:改进后的模型在测试集上的平均精度均值(Mean average precision,m AP)达97.8%,比原模型提高了2.6%;模型计算量(Floating point operations,FLOPs)减少了15.8%,参数量(Parameters,Params)体积缩小了17.6%。这种高精度、小体积模型能够满足玉米雄穗快速识别的需求,可为无人机机载平台的部署提供关键技术支持。展开更多
在对不结球白菜进行植物新品种DUS(Distinctness,Uniformity and Stability)测试过程中,性状获取大多依靠人工测量、目视测量等方式,存在测量精度不高、主观判断成分高以及相关性状仅能定性描述等问题。通过数字图像处理技术,依据NY∕T ...在对不结球白菜进行植物新品种DUS(Distinctness,Uniformity and Stability)测试过程中,性状获取大多依靠人工测量、目视测量等方式,存在测量精度不高、主观判断成分高以及相关性状仅能定性描述等问题。通过数字图像处理技术,依据NY∕T 2223—2012对采集的不结球白菜图像进行分析,定义了叶长宽比、叶弧度、叶内角等10个与不结球白菜形状相关的表型性状,定义了叶面积、叶周长、株高等13个与不结球大小相关的表型性状,定义了叶面泡状程度、叶均匀度2个与不结球纹理相关的表型性状。数字化手段可更为精准地获取以往人工测量的性状指标,同时使用新的数字化表型指标可量化代替仅能定性描述的性状指标。据此开发的一套不结球白球表型性状分析软件,可实现对不结球白菜生长、发育过程中关键性状的自动提取和定量分析,提高不结球白菜DUS测试工作中表型信息采集以及分析的效率和准确性。展开更多
文摘为有效解决玉米雄穗无人机识别过程中因雄穗尺寸过小造成的漏检、识别速度慢、模型体积大等问题,通过添加注意力机制、融入轻量化模块和优化损失函数,建立了一种改进YOLOv8n卷积神经网络的玉米雄穗检测模型YOLOv8n-maize。结果表明:改进后的模型在测试集上的平均精度均值(Mean average precision,m AP)达97.8%,比原模型提高了2.6%;模型计算量(Floating point operations,FLOPs)减少了15.8%,参数量(Parameters,Params)体积缩小了17.6%。这种高精度、小体积模型能够满足玉米雄穗快速识别的需求,可为无人机机载平台的部署提供关键技术支持。
文摘在对不结球白菜进行植物新品种DUS(Distinctness,Uniformity and Stability)测试过程中,性状获取大多依靠人工测量、目视测量等方式,存在测量精度不高、主观判断成分高以及相关性状仅能定性描述等问题。通过数字图像处理技术,依据NY∕T 2223—2012对采集的不结球白菜图像进行分析,定义了叶长宽比、叶弧度、叶内角等10个与不结球白菜形状相关的表型性状,定义了叶面积、叶周长、株高等13个与不结球大小相关的表型性状,定义了叶面泡状程度、叶均匀度2个与不结球纹理相关的表型性状。数字化手段可更为精准地获取以往人工测量的性状指标,同时使用新的数字化表型指标可量化代替仅能定性描述的性状指标。据此开发的一套不结球白球表型性状分析软件,可实现对不结球白菜生长、发育过程中关键性状的自动提取和定量分析,提高不结球白菜DUS测试工作中表型信息采集以及分析的效率和准确性。
