文献类型： 中文期刊

作者： 冯晓 ¹ ; 张辉 ² ; 刘正 ² ; 张会芳 ¹ ; 陈海燕 ¹ ; 赵威 ³ ; 郑国清 ¹ ; 马中杰 ¹ ;

作者机构： 1.河南省农业科学院农业信息技术研究所

2.农业农村部黄淮海智慧农业技术重点实验室

3.河南省生态环境监测和安全中心

关键词： 玉米;包衣种子;品种识别;可见光;深度学习

期刊名称： 河南农业科学

ISSN： 1004-3268

年卷期： 2024 年 007 期

页码： 160-167

收录情况： 北大核心 ; CSCD

摘要： 为实现玉米包衣种子品种低成本、高效便捷识别，基于智能手机采集的18个品种4种颜色的23 100张玉米包衣种子双面图像构建数据集，采用轻量级卷积神经网络模型ShuffleNetV2、MobileNetV3、MobileViT、MobileOne、RepGhostNet和基于上述模型的集成模型分别进行玉米包衣种子品种识别。结果表明，5种单一模型均具有较高的识别准确率和综合性能，识别准确率分别为98.48%、98.23%、98.44%、98.23%和98.01%，模型大小分别为1.55、4.96、4.42、6.97、4.19 MB，推理速度分别为106、94、84、212、94 f/s。集成模型相比单一模型具有更高的识别准确率，其中，ShuffleNetV2和MobileViT组成的集成模型识别准确率达到99.22%。分析发现，品种误识别仅发生在相同颜色包衣种子品种之间，并且随着相同颜色包衣种子品种数量增多，模型对该颜色包衣种子的识别准确率有下降的趋势。