排序方式： 共有2条查询结果，搜索用时 46 毫秒
1
1.
改进YOLOv5测量田间小麦单位面积穗数 总被引：2，自引：2，他引：0
单位面积穗数是决定小麦产量的主要因素之一。针对人工清点小麦穗数的方法容易受主观因素影响、效率低和图像处理方法鲜有进行系统部署等问题,提出一种注意力模块（Convolutional Block Attention Module,CBAM）与YOLOv5相结合的CBAM-YOLOv5网络结构,通过对特征图进行自适应特征细化,实现更准确的单位面积穗数测量。该研究以本地采集小麦图像数据和网络公开小麦图像数据为数据集,设置输入图像分辨率为1 280,得到CBAM-YOLOv5模型,可以达到0.904的F1分数和0.902的平均精度,测试集计数的平均相对误差为2.56%,平均每幅图像耗时0.045 s,综合对比,CBAM-YOLOv5模型具有显著优势。模型放置于服务器,结合手机端软件和辅助装置,形成单位面积穗数测量系统,实现育种小区麦穗图像实时采集、处理和计数,计数的平均相对误差为2.80%,抗环境干扰性强。该研究方法与装置可以实现田间小麦单位面积穗数的实时在线检测,降低主观误差,具有较高的准确率及较强的鲁棒性,为小麦单位面积穗数快速、准确估测提供一种新的技术和装备支撑。 相似文献
2.
温室自身的结构特点导致其内部温度分布并不均匀,在不同区域的温度存在相对较大的差异,了解温室内部温度分布情况对于优化温室结构、调控温室环境具有重要的意义。在传感器采样的基础上对数据插值,对比不同插值数据数量对温度分布图像的影响,选择出适宜的插值数据数量,利用插值结果与传感器采集数据对比计算误差,并通过实际运算测试不同插值方法的运算速度和数据图像化结果。试验结果表明:以传感器精度和温度差为依据插值数据量满足图形绘制要求,不同的天气情况下温度波动对插值误差的影响较大,Cubic、Natural、Liner插值运算的误差结果近似,平均误差均在1.5℃内。Liner插值方法运算速度最快,平均每次运算2.816 s,适用于需要大量进行温度场运算的场景;Cubic插值方法计算相对精确,适用于某一时刻的温度场的仿真计算。 相似文献
1