基于多种深度学习算法的田间玉米籽粒检测与计数

分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》

刘晓航 张昭 刘嘉滢 张漫 李寒 Paulo FLORES 韩雄哲

摘要： 为快速准确获取玉米收获过程中遗失籽粒数信息，进行收割损失调节等管理，对比评估了单阶段 和两阶段主流目标检测网络对田间玉米籽粒计数的性能。首先，利用RGB相机获取包含不同背景和不同光 照的图像数据， 并进一步生成数据集; 其次， 构建籽粒识别的不同目标检测网络， 包括Mask RCNN 、EfficientDet-D5、YOLOv5-L、YOLOX-L，并利用所采集的420幅有效图像对构建的四种网络进行训练、 验证、测试，图像数分别为200、40和180幅; 最后，依据测试集图像的识别结果进行籽粒计数性能评价。 试验结果表明，YOLOv5-L网络对测试集图像检测的平均精度为78.3%，模型尺寸仅为89.3 MB; 籽粒计数的 检测正确率、漏检率和F1 值分别为90.7%、9.3%和91.1%，处理速度为55.55 f/s，识别与计数性能均优于 Mask R-CNN、EfficientDet-D5和YOLOX-L网络，并对具有不同地表遮挡程度和籽粒聚集状态的图像具有较 强的鲁棒性。深度学习目标检测网络YOLOv5-L可实现实际作业中玉米收获损失籽粒的实时监测，精度高、 适用性强。

 点击量 1672  下载量 254  评论