共查询到20条相似文献，搜索用时 171 毫秒
1.
麦穗检测与计数关乎小麦的产量预估与育种，估算小麦产量的重要指标之一就是单位面积穗数，如何准确检测单位面积穗数对于农业生产管理决策有着重要的指导作用。因此本研究提出了基于改进的YOLOX-s的田间麦穗检测方法对麦穗进行精准识别与计数。首先，选取多个国家的不同品种小麦图像，使用图像增强、数据清洗等方法建立全球小麦图像数据集。其次，在YOLOX-s的基础上根据麦穗图像的特点，重新设计了特征提取网络的深度，同时加入注意力机制，充分提取麦穗特征。将SPP模块替换为SPPF模块，在提升推理速度的同时，不降低模型性能。通过全球小麦图像数据集进行模型训练，并使用实地拍摄的麦田图像对模型进行测试。试验结果表明：通过全球小麦图像数据集的训练，改进的YOLOX-s网络模型的mAP达到了89.03%,精确度达到了91.21%。在实拍的麦田图像中，计数准确率达到了97.93%,平均单幅图像计数为0.194 s,单株小麦识别速度为2.8 ms,检测速度较YOLOX-s提升30.2%,计数速度优异，麦穗定位准确。 相似文献
2.
基于YOLOv3网络的小麦麦穗检测及计数 总被引：2，自引：0，他引：2
《湖北农业科学》2021,60(2)
小麦(Triticum aestivum L.)麦穗检测及计数对小麦产量估计及育种至关重要,但传统小麦麦穗数量统计都是基于人工统计的方法或遥感预测等方法,效率低且准确率差。为解决上述问题,提出了基于YOLOv3的深度神经网络小麦检测方法。结果表明,YOLOv3在3种常见的小麦品种上检测平均精度mAP值为67.81%,麦穗计数准确率为93%,该方法可快速高效地检测特定标注框中的小麦麦穗。 相似文献
3.
小麦是重要的粮食作物之一,针对人工田间麦穗计数及产量预测效率低的问题,基于深度学习提出了一种高分辨率的小密集麦穗实时检测方法。对麦穗图像数据集进行图像分割、标注、增强预处理,基于Tensorflow搭建YOLOv4网络模型,调整改进后对其进行迁移学习;与YOLOv3、YOLOv4-tiny、Faster R-CNN训练模型进行对比,对改进模型的实用性与局限性进行分析;重点分析影响麦穗检测模型性能的关键因素。通过图像分割的方式,证明了通过改变图像分辨率确定麦穗所占图像最优像素比,可以提高前景与背景差异,对小密集麦穗有显著效果。通过对改进模型的测试,表明该模型检测精度高,鲁棒性强。不同分辨率、不同品种、不同时期的麦穗图像均类平均精度（mAP）为93.7%,单张图片的检测速度为52帧·s-1,满足了麦穗的高精度实时检测。该研究结果为田间麦穗计数以及产量预测提供技术支持。 相似文献
4.
基于小麦穗部小穗图像分割的籽粒计数方法 总被引：2，自引：0，他引：2
[目的]小麦穗部小穗数及籽粒数能够直接反映小麦产量,也是小麦穗表型研究中2个非常重要的参数。[方法]为了快速测量这2个参数,针对小麦穗部正视图像,提出了一种基于图像处理技术的小麦小穗抛物线分割方法,并实现了小穗数及籽粒数的同步识别计数。首先采用图像预处理算法获得麦穗二值图像,然后将二值图像沿穗轴方向的像素按行求和,根据行像素求和曲线图中波峰波谷确定所需要的小穗3个位置点,由小穗3个位置点在二值图像上确定三点拟合抛物线,最后运用抛物线位置分割出各小穗,同时通过阈值法确定各小穗面积值与其籽粒数之间的关系。[结果]使用3个品种小麦穗图像对小穗数及籽粒数识别方法进行验证,结果表明:采用该方法 3个品种小麦穗部小穗数识别的平均零误差率为68.16%,平均绝对误差为0.46,平均相对误差为2.99%,对比已有文献识别小穗数方法,识别精度显著提高;3个品种小麦穗部籽粒数识别的平均绝对误差为2.11,平均相对误差为5.62%;3个品种单株麦穗平均测量时间为7.99 s。[结论]运用本方法可以快速高精度地对小麦穗部小穗数及籽粒数进行自动计数。 相似文献
5.
基于深度残差网络的麦穗回归计数方法 总被引：2，自引：0，他引：2
单位面积的穗数是估算小麦产量的重要指标,针对传统麦穗计数方法效率低、主观性高等问题,将基于深度残差网络的密度回归模型引入麦穗的计数领域,建立原始图片与密度图的对应关系,以密度图像素值总和确定图像中麦穗数量。对ResNet34网络进行改进,提出了ResNet-16模型,实现端对端的麦穗计数。针对ResNet34网络复杂度高的特点,ResNet-16增加了残差块的宽度,减少了ResNet34网络的深度;为了避免真值密度图的精度误差以及梯度下降过快,引入了矫正因子δ和膨胀因子K。结果表明:改进后的ResNet-16模型能够取得更好的预测精度,平均绝对误差为2.50,均方根误差为3.27,相关系数R~2为0.973,计数准确率达到94%,较MCNN计数模型精度提高了6%,可以实现高效、快速的麦穗计数。利用基于深度残差网络的回归计数模型为麦穗计数提供了一种新的计数方式。 相似文献
6.
田间麦穗计数因主要依靠人工而存在耗时长、成本高等问题,为提高麦穗计数的效率和准确性,提出基于人群计数卷积神经网络的麦穗计数方法,在图像基础上进行麦穗数量自动化计数.试验改进了现有人群计数模型中的多列卷积神经网络MCNN和空洞卷积神经网络CSRNet,并对MCNN和CSRNet进行融合,建立了多列卷积神经网络MCSRNe... 相似文献
7.
为了解决谷物选育品种过程中人工计数存在的操作费时、精度不高等问题，提出一种利用计算机处理谷物颗粒图像进行计数的方法。首先对所采集到的谷物颗粒图像进行二值化，将图像中背景和目标区域分开；然后对图像进行形态学运算、目标分割等预处理，最大程度减少图像中的谷物颗粒黏连现象；在最终的计数环节，为了提高计数速度，基于经过预处理后的谷物颗粒图像没有孔洞这一重要特征，利用图像欧拉数算法代替传统的连通域标记算法实现计数工作。结果表明，利用图像欧拉数算法的计数结果与利用传统连通域标记算法的计数结果完全一致，但在计数速度方面，利用图像欧拉数算法进行计数明显优于传统的连通域标记算法。 相似文献
8.
单位面积麦穗数是小麦产量预测中的一个重要参数,应用图像处理技术识别出麦穗的个数是测产的关键.本文提出改进G分量法,对图像上麦穗像素点的绿色分量值进行增强,然后灰度—二值化处理,使麦穗从背景中分隔开,并与普通分量法、最大值法和加权平均法处理后的图像进行了比较.随机选取50幅麦穗图像样本,分别使用上述几种方法处理,改进分量法比其他3种方法耗时分别降低了51.29％、70.68％和61.01％,同时后续的中值滤波用时也至少降低了11.45％.实验结果表明,改进分量法是有效的. 相似文献
9.
基于卷积神经网络的小麦产量预估方法 总被引：1，自引：0，他引：1
小麦产量是评估农业生产力的重要指标之一,针对小麦产量人工预估困难,提出将卷积神经网络运用于小麦产量预估,为农业生产力的预估提供参考,指导农业生产管理决策。利用无人机分别在河南省新乡、漯河两地进行图片采集,并以之构建麦穗数据集,分为正样本(麦穗)和负样本(叶子和背景)。针对小麦常规的生理形态和生长环境,设计卷积神经网络识别模型,以图像金字塔构建多尺度滑动窗口,以非极大值抑制(NMS)去除重叠率较高的目标框,实现对单位面积内麦穗的计数,并利用随机采样的方式对大田麦穗进行单位面积图像采样,以采样图像中麦穗数量的平均值作为产量预估基准,进一步实现麦穗产量预估。随机抽取100幅不同小麦图片进行测试,与人工计数结果进行对比,准确率达到97.30%,漏检率为0.34%,误检率为2.36%,误差率为2.70%。试验结果表明,此方法能够克服环境中的多种噪声干扰,能够在不同光照条件下对麦穗进行计数和产量预估。 相似文献
10.
单位面积穗数是小麦产量构成的重要因素,利用图像信息处理技术快速、准确地估测田间小麦穗数,可以为小麦长势监测和产量估测提供直接依据.利用无人机路径规划和控制系统(fragmentation monitoring and analysis with aerial photography,FragMAP)获取标准统一、高分辨... 相似文献
11.
12.
利用龙麦26和垦大4号两个小麦品种,调查了不同粒位结实率和粒重的情况.结果表明,小穗中结实率最高的小花为每小穗的最基部小花,结实率最高的小穗在每穗的中下部;小穗中最重的粒位为每小穗基部的第1粒位或第2粒位。粒重最高的小穗在每穗的中下部。 相似文献
13.
Fast discrimination and counting of filled/unfilled rice spikelets based on bi-modal imaging 总被引：1，自引：0，他引：1
Lingfeng DuanWanneng Yang Kun BiShangbin Chen Qingming LuoQian Liu 《Computers and Electronics in Agriculture》2011,75(1):196-203
Spikelets per panicle and grains per panicle (also known as filled spikelets per panicle), directly contributing to rice yield, are two imperative traits that need to be evaluated in yield-related research. Current determination of total spikelet number and filled spikelet number are generally measured manually, which is tedious and subjective. This paper proposes a new method of counting total spikelets and filled spikelets simultaneously, based on automatic discrimination of filled and unfilled spikelets by combining visible light imaging and soft X-ray imaging. Visible light imaging was applied to measure the projected area of the spikelet hull, while soft X-ray imaging yielded the projected area of the inner brown rice kernel. The filling rate, defined as the area ratio of rice kernel to hull, was used to discriminate the filled and unfilled spikelets. 29 panicle samples were tested to evaluate the efficiency and accuracy. The results showed that the counting efficiency was approximately 2000 spikelets/min. The root mean squared error (RMSE) was 0.42 for total spikelet number and 0.77 for filled spikelet number. The mean absolute percentage errors (MAPE) were 0.22% and 0.80% for each, respectively. The method shows great potential in improving the efficiency of trait evaluation in plant breeding and genetic research, as well as serving for crop phenomics. 相似文献
14.
小麦多小穗性的稳定性及其在杂种一代中的表现 总被引：1，自引：0，他引：1
用分期播种法和系Ｘ测验系法分别测定了４个主穗小穗数有２５～２９个的多小穗小麦品系的多小穗性的稳定性及其在杂种一代中的表现,结果表明,４个多小穗品系的主穗小穗数年度间变化不大,多小穗性表现稳定,在杂种一代中,４个 纱的多小穗性均存在一定的杂种优势,呈部分显性遗传,显性度因材料、组合不同有较大差异（０．０８９２～０．６０００）,其中ＳＷ９４－３０９２１、９０－２７１为一般配合力较优的多小穗基因资源。 相似文献
15.
16.
小麦抗赤霉病性与产量性状的相关分析 总被引：1，自引：0，他引：1
对1975、1976、1979和1984年小麦品种资源进行了抗赤霉病性与产量性状的简单相关分析,并对1984、1985年小麦中抗—抗赤霉病品种(系)进行了表型相关、遗传相关和环境相关分析。小麦抗赤霉病性与株高、每穗粒数、穗中部最大小穗粒数表现正相关;与穗长关系不密切;与每穗小穗数和单株有效穗数没有相关;与小穗密度及千粒重的相关性较复杂,表现为正相关或负相关。小麦抗赤霉病新品种(系)的丰产性状已有改进,植株高度明显降低,每穗粒数和千粒重有所提高。 相似文献
17.
不同播期冬小麦叶重和叶面积与产量关系的相关性研究 总被引：9，自引：0，他引：9
以17个小麦品种(系)为材料,研究了不同播期、不同叶位叶片面积和叶干重与产量的关系.结果表明,播期对小麦的生育期和产量影响均较大,在不同播期条件下每穗小穗数、每小穗粒数、单株粒数、单株产量间差异均达到极显著水平.小麦叶面积与产量因素间的关系十分密切,与穗粒数、穗粒重、每小穗粒数间差异均达到极显著水平,可作为高产育种的重要选择指标. 相似文献
18.
部分引进小麦品种农艺性状的聚类分析 总被引：5，自引：0，他引：5
为了在小麦品质育种中合理利用品种资源,以株高、穗长、韧度、有效分蘖、结实小穗数、不孕小穗数、单穗籽粒数和单穗粒重为指标,对引进的17份冬小麦和63份春小麦品种(系)进行系统聚类分析表明,参试小麦材料分为3类,其中24份品种综合表现较好,它们的株高和主茎穗长平均值较大,且植株的韧度较大,分蘖相对较多,不孕小穗数较少,单穗籽粒数和粒重都较高;5份品种(系)的株高很低,植株韧度较小,有效分蘖少,结实小穗数少,单穗粒重较低,不宜选作杂交亲本。 相似文献
19.
李维平 《西北农林科技大学学报(自然科学版)》1993,21(3):37-40
通过少小穗早熟与多小穗晚熟杂交方式创造多小穗中早熟种质,使小麦品种(系)的小穗数目和单穗粒重可大幅度提高。12个组合65个品系的小穗数平均达到25.9个,每穗结实68.3粒,单穗籽粒重量平均达到2.33g。F_1多小穗性状优势明显,表现为倾“多”遗传。F_2小穗表现出超多亲遗传现象。 相似文献
20.
分枝型普通小麦的创育及其杂种优势利用研究 总被引：2，自引：0，他引：2
小麦产量构成的三要素是单位面积穗数、每穗粒数及粒重,其中通过增加穗粒数来提高产量的潜力是很大的。应用亚远缘梯级复合杂交培育出多粒穗分枝普通小麦(2n=42)品系,其优点是半矮秆,抗病抗逆性好,分枝性状稳定,穗粒数较普通小麦增加50%以上,在良好栽培条件下,公顷产量最高可达11 235kg。选用其中两个不同类型的分枝小麦与5个普通小麦配置了6个CHA杂交组合,试验结果表明,其中杂种比双亲之一的推广品种晋麦67号(CK)等平均增产24.4%,幅度为7.5%~38.8%。由此可以预测,多粒穗分枝小麦将成为CHA组合理想的强优势亲本,并在生产中得以广泛应用。 相似文献