基于深度学习结合高光谱技术的大豆种子活力检测方法

文献类型： 中文期刊

第一作者： 任亚举

作者： 任亚举;王瑞敏;薛冬;周琰琰;陈新;袁星星;闫强;罗楚平

作者机构：

关键词： 大豆;种子活力;检测;高光谱;深度学习;注意力机制

期刊名称： 江苏农业学报

ISSN： 1000-4440

年卷期： 2025 年 41 卷 005 期

页码： 927-936

收录情况： 北大核心 ; CSCD

摘要： 为实现大豆种子活力的高效精准无损识别，本研究以大豆品种Williams82种子为试验材料，通过不同程度的人工老化处理构建不同活力的大豆种子库，然后采集其成像高光谱图像和RGB图像，生成3个图像集(RGB数据集、SIQ数据集、ENVI数据集),利用4个深度学习模型(Vgg16Net、GoogLeNet、MobileV3Net、ResNet-34)对种子活力进行检测，筛选出较优模型和数据集。并进一步在较优模型中添加坐标注意力机制(Coordinate attention, CA)和标签平滑损失函数提高模型的检测性能及鲁棒性。结果表明，基于SIQ数据集，ResNet-34模型的训练集和验证集识别准确率分别达到97.6%和96.8%,检测性能优于其他模型和数据集组合。在ResNet-34模型中添加坐标注意力机制和标签平滑损失函数构建的CA-ResNet-34模型，基于SIQ数据集对大豆种子活力检测的准确率可达到98.5%,比原始模型ResNet-34提升1.7个百分点。本研究结果为大豆种子活力准确、无损、高效检测提供新的方法。

分类号： TP18%TP391.41%S565.1

  • 相关文献

[1]基于YOLOX改进模型的茶叶嫩芽识别方法. 俞龙,黄楚斌,唐劲驰,黄浩宜,周运峰,黄永权,孙佳琪. 2022

[2]基于注意力机制的农业文本命名实体识别. 赵鹏飞,赵春江,吴华瑞,王维. 2021

[3]基于改进YOLO v5复杂场景下肉鹅姿态的检测算法研究. 刘璎瑛,曹晅,郭彬彬,陈慧杰,戴子淳,龚长万. 2023

[4]基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究. 戴佳兵,宋春芳,凌彩金,李臻锋,孙崇高. 2024

[5]基于改进DeepLabV3+的梨树冠层分割方法. 陈鲁威,曾锦,袁全春,夏烨,潘健,吕晓兰. 2024

[6]基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 2022

[7]基于深度学习分类模型的4种果树物候期识别. 钟丹,李宗南,王思,黄平,邱霞,蒋怡. 2023

[8]基于TBTA网络的高光谱图像分类. 唐婷,潘新,罗小玲,闫伟红. 2023

[9]基于高光谱成像和Att-BiGRU-RNN的柑橘病叶分类. 吴叶兰,管慧宁,廉小亲,于重重,廖禺. 2023

[10]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[11]基于改进YOLOv8n的茶树嫩芽识别. 杨肖委,沈强,罗金龙,张拓,杨婷,戴宇樵,刘忠英,李琴,王家伦. 2024

[12]增强型双重Unet(ED-Unet)烟叶病斑分割模型的建立. 陈自立,彭一龙,王从胜,王爱国,刘剑君,王来刚,林卫,郭燕. 2025

[13]基于改进YOLOv5s的咖啡果实成熟度检测方法. 罗锟鹏,文勇,曾志康. 2025

[14]基于改进ResNet50的马铃薯识别与分类方法研究. 王健文,刘成忠,韩俊英,曲亚英,马柏雄. 2025

[15]基于深度学习的病虫害智能化识别系统. 陈天娇,曾娟,谢成军,王儒敬,刘万才,张洁,李瑞,陈红波,胡海瀛,董伟. 2019

[16]卷积神经网络及其在田间杂草管理中应用的研究进展. 张金梦,张倩,王明,谭雅蓉,陶震宇,于金莹. 2024

[17]干旱胁迫下20份春大豆材料的种子活力及抗旱性评价. 谭春燕,陈佳琴,朱星陶,杨春杰,龚丽娜. 2018

[18]贮存大豆种子活力对某些农艺性状的影响. 李灵芝,王丽娜,耿香利,姚华. 2002

[19]大豆种子超干燥保存研究Ⅰ.50℃高温模拟老化对种子活力及生理特性的影响. 黄永菊,伍晓明,沈金雄,郑普英,盛晓燕,晏元芳. 2000

[20]大豆种子活力基因型差异的研究. 程春明,王瑞珍,吴问胜. 2003

作者其他论文 更多>>

微信小程序