文献类型： 中文期刊

作者： 程雅雯 ¹ ; 康睿 ¹ ; 任妮 ¹ ; 周玲莉 ¹ ; 卢鑫羽 ¹ ; 吴茜 ¹ ;

作者机构： 1.江苏省农业科学院农业经济与信息研究所

关键词： 番茄;植物表型;株高;目标检测;YOLOv7;CARAFE

期刊名称： 中国农业信息

ISSN： 1672-0423

年卷期： 2024 年 002 期

页码： 1-16

摘要： 【目的】株高是判断番茄长势的重要指标之一，对番茄生长发育、栽培管理等研究具有重要意义。文章以设施番茄为研究对象，开展基于机器视觉和深度学习的设施番茄苗期株高检测方法研究，为实现在复杂背景下的设施番茄株高快速、无损、实时检测提供重要支持。【方法】采用自主研发的日光温室作物表型数据采集与分析云平台，定期采集不同品种番茄苗期植株侧视图；针对平台获取到的可见光图像，进行番茄植株与参照物目标框标注的工作；在YOLOv7 （You Only Look Once version7）目标检测模型基础上，改进模型上采样方法，使用CARAFE （Content-Aware Re Assembly of Features）代替原近邻插值上采样方法，获取更加丰富的特征信息；基于改进后的模型实现番茄植株和参照物等多类别目标检测并计算输出株高信息。【结果】经过实验对比，所提出的株高检测方法获取的株高与实测值的均方根误差（RMSE）为2.06 cm，决定系数（R²）为0.87；相比基于YOLOv4模型、YOLOv5模型和YOLOv7模型计算的株高，RMSE分别减少了1.4 cm、0.85 cm和0.85 cm,R²分别提高了0.25、0.17和0.14。【结论】该文提出的设施番茄苗期株高检测方法，可为设施环境下苗期番茄株高实时、快速、无损获取提供重要技术支撑。该研究对加强设施作物监测系统、提高农业生产力和推进温室作物管理领域的研究具有重要意义。