分类： 统计学 >> 社会统计学 提交时间： 2023-12-04 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］玉米茎秆宽度是影响玉米抗倒伏能力的重要指标。玉米茎秆宽度测量存在人工采集过程繁 琐、设备自动采集识别精度误差较大等问题，研究一种玉米茎秆宽度原位检测与高精度识别方法具有重要应用价 值。［方法］采用ZED2i双目相机并将其固定在田间获取实时的玉米茎秆左目和右目图片，对原始图片进行数据增 强，使用YOLOv8对玉米茎秆进行识别，再通过多次增加注意力机制（Coordinate Attention，CA） 模块，和替换损 失函数（Efficient IoU Loss，EIoU） 的方法，进一步提高玉米茎秆的识别精度，然后通过对玉米茎秆的三维重建， 获取识别框边界点在世界坐标系下的三维数据，通过距离公式计算出茎秆宽度。最后对改进后的YOLOv8模型与 YOLOv8原模型、YOLOv7、YOLOv5、Faster RCNN、SSD进行对比，验证模型的识别准确性和识别精度。［结果和 讨论］改进后的YOLOv8模型的查准率P、查全率R、平均精确率mAP0.5、平均精确率mAP0.5∶0.95分别达到了96.8%、 94.1%、96.6%、77.0%，玉米茎秆宽度原位检测宽度计算的线性回归决定系数R2，均方根误差RMSE 和平均绝对误 差MAE分别为0.373、0.265和0.244 cm，可满足实际生产对玉米茎秆宽度测量精度的要求。［结论］本研究提出的 基于改进YOLOv8模型的玉米茎秆宽度原位识别方法可以实现对玉米茎秆的原位准确识别，很好地解决了目前人 工测量耗时费力和机器视觉识别精度较差的问题，为实际生产应用提供了理论依据。
分类： 统计学 >> 社会统计学 提交时间： 2023-12-04 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］不同类型的小麦倒伏（根部倒伏、茎部倒伏）对产量和质量会产生不同影响。本研究旨在 通过无人机图像对小麦倒伏类型进行分类，并探究无人机飞行高度对分类性能的影响。［方法］研究设置3个无人 机飞行高度（15、45、91 m） 来获取小麦试验田的图像，并利用自动分割算法生成不同高度的数据集，提出一种 EfficientNetV2-C改进模型对其进行分类识别。模型通过引入CA（Coordinate Attention） 注意力机制来提升网络特 征提取能力，并结合CB-Focal Loss （ClassBalanced Focal Loss） 来解决数据不均衡对模型分类准确度的影响。 ［结果和讨论］改进的EfficientNetV2-C表现最佳，平均准确率达到93.58%。对比未改进的4种机器学习分类模型 （支持向量机（Support Vector Machine，SVM）、K 最近邻（K Nearest Neighbor，KNN）、决策树（Decision Tree， DT） 和朴素贝叶斯（Naive Bayes，NB）） 与两种深度学习分类模型（ResNet101和EfficientNetV2），其中Efficient⁃ NetV2在各个高度下表现最优，平均准确率达到82.67%。无人机飞行高度对4种机器学习分类器性能无显著影响， 但随飞行高度上升，由于图像特征信息损失，深度学习模型的分类性能下降。［结论］改进的EfficientNetV2-C在 小麦倒伏类型检测方面取得了较高的准确率，为小麦倒伏预警和农作物管理提供了新的解决方案。
点击量
点击量
下载量
评论
