基于YOLO_X和迁移学习的无人机影像玉米雄穗检测

文献类型： 中文期刊

第一作者： 汪斌斌

作者： 汪斌斌;杨贵军;杨浩;顾寄南;赵丹;许思喆;徐波

作者机构：

关键词： 无人机;目标检测;图像识别;玉米雄穗;迁移学习;深度学习

期刊名称： 农业工程学报

ISSN：

年卷期： 2022 年 015 期

页码： 53-62

收录情况： EI ; 北大核心 ; CSCD

摘要： 玉米雄穗表型信息的获取对研究玉米长势及产量起着非常重要的作用，为实现复杂田间环境玉米雄穗的精确识别和计数，该研究使用无人机采集试验田的玉米雄穗影像，基于FasterR-CNN、SSD、YOLO＿X目标检测模型，使用迁移学习方法实现玉米雄穗的高精度识别，并分析了模型对不同品种和不同种植密度的玉米雄穗检测效果。试验结果表明，基于迁移学习的FasterR-CNN、SSD、YOLO＿X的目标检测效果相比于未使用迁移学习的模型有明显提升，其中，迁移学习后YOLO＿X的识别精确度为97.16%，平均精度为93.60%，准确度为99.84%，对数平均误检率为0.22，识别效果最好；不同玉米品种对模型的适应性有所差异，其中郑单958对模型适应性最好，Faster R-CNN、SSD、YOLO＿X的决定系数R~2分别为0.9474、0.9636、0.9712；不同种植密度下玉米雄穗的检测效果有所差异，在29985,44 978,67 466,89 955株/hm~2种植密度下，模型对郑单958检测的平均绝对误差分别为0.19、0.31、0.37、0.75，随着种植密度的增加，检测误差逐渐变大。研究为农田玉米雄穗高精度识别提供了一种可靠方法，对玉米表型性状高通量调查具有一定的应用价值。

分类号： S513%S127

  • 相关文献

[1]基于改进YOLO v7-tiny的玉米种质资源雄穗检测方法. 马中杰,罗晨,骆巍,王利锋,冯晓,李会勇. 2024

[2]基于轻量化MLCE-RTMDet的人工去雄后玉米雄穗检测算法. 李金瑞,杜建军,张宏鸣,郭新宇,赵春江. 2024

[3]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[4]基于RGB图像和CNN模型的水稻氮素诊断系统. 吕斌,姚强,粟超,李波,查茜,黄祥,詹火木. 2024

[5]小样本目标检测研究综述. 刘春磊,陈天恩,王聪,姜舒文,陈栋. 2023

[6]面向不平衡数据的木薯叶部病害图像识别方法. 王丹阳,梁伟红,李玉萍,黄贵修. 2025

[7]基于深度学习方法和RGB影像的玉米雄穗分割. 余汛,王哲,景海涛,金秀良,聂臣巍,白怡,王铮. 2021

[8]基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别. 魏靖,王玉亭,袁会珠,张梦蕾,王振营. 2020

[9]基于迁移学习的多模型水稻病害识别方法研究. 王忠培,张萌,董伟,朱静波,孔娟娟,钱蓉. 2021

[10]基于高光谱和深度学习的水稻秸秆覆盖度遥感估算. 岳继博,李婷,宋洁,田庆久,刘杨,冯海宽. 2024

[11]基于MS-YOLO v7的多尺度稻飞虱识别分类方法. 刘双喜,刘思涛,屈慧星,王刘西航,胡宪亮,许增海. 2023

[12]基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统. 张哲宇,孙果镓,杨保军,刘淑华,吕军,姚青,唐健. 2022

[13]农业害虫检测的深度学习算法综述. 蒋心璐,陈天恩,王聪,李书琴,张宏鸣,赵春江. 2023

[14]基于深度学习的蚕茧种类识别研究. 石洪康,李林波,祝明辉,陈义安,马勇,张剑飞. 2023

[15]基于AlexNet的栽培苜蓿病害识别. 李云昊,李仲贤,伏帅,张忠雪,茆士琴,冯琦胜,梁天刚,李彦忠. 2023

[16]基于YOLOv4的稻田杂草目标检测算法. 袁涛,胡冬,马超,李琳一,郑秀国,钱戴玲. 2023

[17]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

[18]基于改进YOLOv5s的日光温室黄瓜霜霉病孢子囊检测计数方法. 李明,丁智欢,赵靖暄,陈思铭,李文勇,杨信廷. 2023

[19]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

[20]基于YOLOv3模型的金枪鱼鱼群特征识别初步研究. 马硕,张禹,王鲁民,张勋,金卫国,王国来,常卫东. 2021

作者其他论文 更多>>

微信小程序