文献类型： 中文期刊

作者： 白卫卫 ¹ ; 赵雪妮 ¹ ; 罗斌 ² ; 赵薇 ¹ ; 黄硕 ³ ; 张晗 ² ;

作者机构： 1.陕西科技大学

2.北京市农林科学院智能装备技术研究中心

3.北京市农林科学院信息技术研究中心

关键词： 小麦种子;发芽检测;深度学习;YOLOv5

期刊名称： 浙江农业学报

ISSN： 1004-1524

年卷期： 2023 年 35 卷 002 期

页码： 445-454

收录情况： 北大核心 ; CSCD

摘要： 种子发芽试验是检验作物品质的重要环节.为提高种子发芽检测效率,实现种子发芽检测自动化,以小麦为研究对象,通过机器视觉技术结合深度学习方法,构建基于YOLOv5的种子发芽判别的模型,在此基础上通过小麦7 d发芽试验图像组合分析,设计一套基于YOLOv5的种子发芽检测改进判别方法(DB-YOLOv5),实现对小麦种子发芽率、发芽势、发芽指数、平均发芽天数的快速检测,并开展检测试验.结果表明,YOLOv5模型对小麦种子发芽判别精确率为92.5%,DB-YOLOv5模型对小麦种子发芽判别精确率为98.5%,发芽势、发芽指数、平均发芽天数与人工检测误差为0.5%、2.39、0.1 d.上述结果表明,DB-YOLOv5模型可实现对小麦种子发芽率、发芽势、发芽指数、平均发芽天数的快速检测,为农作物种子发芽快速检测提供参考.