期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
复杂大田场景下基于改进YOLOv8的小麦幼苗期叶片数快速检测方法
1
作者 侯依廷 饶元 +3 位作者 宋贺 聂振君 王坦 何豪旭 《智慧农业（中英文）》 CSCD 2024年第4期128-137,共10页
[目的/意义]小麦叶片数是衡量植株生长状况、确定茎蘖动态、调节群体结构的重要指标之一。目前大田环境下小麦叶片计数主要依靠人工、耗时耗力,而现有的自动化检测计数方法的效率与精度难以满足实际应用需求。为提高小麦叶片数检测的准... [目的/意义]小麦叶片数是衡量植株生长状况、确定茎蘖动态、调节群体结构的重要指标之一。目前大田环境下小麦叶片计数主要依靠人工、耗时耗力,而现有的自动化检测计数方法的效率与精度难以满足实际应用需求。为提高小麦叶片数检测的准确性,设计了一种复杂大田环境下高效识别小麦叶尖的算法。[方法]本研究以手机和田间摄像头获取的可见光图像构建了两种典型光照条件下出苗期、分蘖期、越冬期等多个生长期的小麦叶片图像数据集。以YOLOv8为基础网络,融合坐标注意力机制降低背景环境的干扰,提高模型对小麦叶尖轮廓信息的提取能力;替换损失函数加快模型收敛速度;增加小目标检测层提高对小麦叶尖的识别效果,降低漏检率。设计了一种适用于叶尖小目标识别的深度学习网络,通过检测图像叶尖数量从而得出叶片数。[结果与讨论]本研究提出的方法对小麦叶尖的识别精确率和mAP0.5分别达到91.6%和85.1%,具有良好的检测效果。在复杂大田环境下该方法具有更好的适应能力,能够在不同光照条件下实现自适应检测,模型鲁棒性强。小麦幼苗期叶片检测漏检率低,说明该方法能够满足复杂大田场景下小麦叶尖识别的需求,提高了小麦叶片数检测的准确性。[结论]本研究可为复杂大田场景下小麦叶片数检测的研究提供参考,为小麦长势高质量评估提供技术支撑。 展开更多
关键词 小麦叶片 叶尖识别 叶片计数 注意力机制 YOLOv8 深度学习
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部