【目的】为解决传统水稻考种机谷粒表型分析算法在功能和效率上的局限性,针对穗上谷粒原位计数和被遮挡谷粒几何特征还原设计一种基于深度学习的轻量级通用算法框架。【方法】将穗上谷粒原位计数与被遮挡谷粒还原这2个复杂任务分别拆解...【目的】为解决传统水稻考种机谷粒表型分析算法在功能和效率上的局限性,针对穗上谷粒原位计数和被遮挡谷粒几何特征还原设计一种基于深度学习的轻量级通用算法框架。【方法】将穗上谷粒原位计数与被遮挡谷粒还原这2个复杂任务分别拆解为2个阶段,将其核心阶段建模为I2I问题。基于MobileNet V3设计1种能够解决I2I问题的轻量级网络架构,并针对2个任务的特点分别设计了数据集图像制作方法,选择合适的优化策略和超参数对其进行训练。训练结束后,使用TensorFlow Lite runtime解释器将模型部署在考种机的树莓派4B开发板上,并进行测试。【结果】该算法在穗上谷粒计数任务中具有良好的准确性、快速性,且具有一定的泛化性能。在被遮挡谷粒的形状还原任务中,该算法所还原的谷粒图像在面积、周长、长度、宽度和颜色分数评价指标中准确率均达到97%以上。【结论】该算法能够有效地完成穗上谷粒计数和被遮挡谷粒的还原任务,且具有轻量级的优点。展开更多
文摘【目的】为解决传统水稻考种机谷粒表型分析算法在功能和效率上的局限性,针对穗上谷粒原位计数和被遮挡谷粒几何特征还原设计一种基于深度学习的轻量级通用算法框架。【方法】将穗上谷粒原位计数与被遮挡谷粒还原这2个复杂任务分别拆解为2个阶段,将其核心阶段建模为I2I问题。基于MobileNet V3设计1种能够解决I2I问题的轻量级网络架构,并针对2个任务的特点分别设计了数据集图像制作方法,选择合适的优化策略和超参数对其进行训练。训练结束后,使用TensorFlow Lite runtime解释器将模型部署在考种机的树莓派4B开发板上,并进行测试。【结果】该算法在穗上谷粒计数任务中具有良好的准确性、快速性,且具有一定的泛化性能。在被遮挡谷粒的形状还原任务中,该算法所还原的谷粒图像在面积、周长、长度、宽度和颜色分数评价指标中准确率均达到97%以上。【结论】该算法能够有效地完成穗上谷粒计数和被遮挡谷粒的还原任务,且具有轻量级的优点。
