华中农业大学宋鹏副教授团队：自然形态稻粒精确计数：一种基于图像分类和物体检测的方法-最新行业动态-植物表型平台-数字化考种机-作物表型系统-武汉谷丰光电科技有限公司

华中农业大学宋鹏副教授团队：自然形态稻粒精确计数：一种基于图像分类和物体检测的方法

2024/10/11

华中农业大学宋鹏副教授团队：自然形态稻粒精确计数：一种基于图像分类和物体检测的方法

准确计算每穗粒数对于评估水稻产量和选择优良种质资源至关重要。传统的测量方法劳动密集、耗时且容易出错。为了应对这一挑战，基于计算机视觉的方法已成为一种很有前途的种子计数方法。然而，由于稻粒的自然形态，包括遮挡以及大小、形状和方向的巨大变化，实现精确的稻粒计数尤其具有挑战性。这通常需要额外的步骤，例如手动整形或脱粒。因此，我们提出了一种创新方法，通过整合物体检测、图像分类和回归方程来精确计数自然形态的水稻粒。

首先，我们训练了 Yolov7-tiny 模型进行稻粒计数。随后，我们使用 EfficientNetV2 网络引入了一个基于水稻穗自然形态变化的分类系统，将水稻穗分为五个不同的类别。此外，我们利用来自 2920 个不同水稻种质的数据，设计了一组针对不同水稻穗类别的单变量线性回归方程，以建立预测值与实际值的相关性。

实验结果表明，计数准确率为 92.60%，平均绝对百分比误差为 7.69%。此外，这项研究还表明，使用穗的双面图像并不能显著提高计数准确率。这项研究代表了在水稻穗自然形态内实现精确高效计数的成功尝试，为检测和计数密集物体提供了一种新颖的解决方案。

华中农业大学宋鹏副教授团队：自然形态稻粒精确计数：一种基于图像分类和物体检测的方法

图1 水稻穗的不同形态

华中农业大学宋鹏副教授团队：自然形态稻粒精确计数：一种基于图像分类和物体检测的方法

图2 单个水稻穗的图像采集

华中农业大学宋鹏副教授团队：自然形态稻粒精确计数：一种基于图像分类和物体检测的方法

图3 水稻粒数检测模型流程图。

（A）分离出第5类。（B）将第1类与剩余的稻穗分开。（C）将剩余的稻穗分为第2类、第3类和第4类

华中农业大学宋鹏副教授团队：自然形态稻粒精确计数：一种基于图像分类和物体检测的方法

图4 A：PR曲线；B：真值提取模型的预测结果

华中农业大学宋鹏副教授团队：自然形态稻粒精确计数：一种基于图像分类和物体检测的方法

图5 各种模型的误差。误差：真实值减去预测值的结果

图6 不同方法检测结果分布

OD表示物体检测；M表示利用回归方程；mClas表示人工分类；横轴指标表示穗样品数

下一篇：高通量表型组技术助力马铃薯育种突破：揭示雄性育性与产量遗传机制

资源中心

华中农业大学宋鹏副教授团队：自然形态稻粒精确计数：一种基于图像分类和物体检测的方法

相关新闻

会议邀请 | 第14届亚太农业信息技术联合会国际会议（APFITA 2024）

谷丰光电 | 携手江苏省农业科学院农业信息研究所共建表型技术研发中心并签约合作

会议邀请|谷丰光电第46届新植物学家论坛-气孔生物学国际学术研讨会

国庆放假通知！

迈向新征程 | 谷丰光电入驻武汉经开人工智能科技园

喜报丨谷丰光电荣获湖北省第六批专精特新中小企业认定！

【会议邀请】第十届植物生物学女科学家学术交流会，诚邀您来参加！

高通量表型组技术助力马铃薯育种突破：揭示雄性育性与产量遗传机制

华中农业大学基于RGB-D相机的作物表型机器人自主导航方法

基于改进的YOLO系列算法的温室葫芦科果实实时检测

联系我们