玉米种子外观质量评估基于改进的Inception-ResNet
Chang Song1, Bo Peng1, Huanyue Wang1
1College of Mechanical and Electrical Engineering, Hebei Agricultural University, Baoding, China.
Frontiers in plant science
|September 11, 2023
概括
这项研究引入了一个改进的Inception-ResNet网络,用于快速,准确的玉米种子质量评估. 人工智能模型在检测种子外观质量方面实现了高精度,支持智能种子分类.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 手动种子质量检查是主观的,耗时的,并且阻碍了实际应用的需求.
- 需要自动化方法来有效和客观地评估种子质量.
研究的目的:
- 使用改进的深度学习网络开发一种快速而准确的种子质量评估方法.
- 为了解决手工检查玉米种子外观质量的局限性.
主要方法:
- 改进的Inception-ResNet网络被用于玉米种子质量评估.
- 结合了深度可分离的卷积和注意力机制来优化网络.
- 使用特征融合策略来增强信息保留.
主要成果:
- 拟议的方法实现了高性能指标:96.03%的检测准确度,96.27%的精度,96.03%的回忆和96.15%的F1得分.
- 平均图像检测时间约为2.44秒,可实现快速,非破坏性的检测.
- 该模型展示了有效的特征学习和信息提取,以提高外观质量.
结论:
- 开发的基于人工智能的方法为玉米种子外观质量检测提供了可靠和高效的解决方案.
- 这项研究为开发智能种子分类设备提供了基础.
- 该研究强调了深度学习在农业质量控制应用中的潜力.
更多相关视频
06:11Author Spotlight: Improved Methods for Preparing Transverse Sections and Unrolled Whole Mounts of Maize Leaf Primordia for Fluorescence and Confocal Imaging
Published on: September 22, 2023
3.0K
10:10A Simple Dry Sectioning Method for Obtaining Whole-Seed-Sized Resin Section and Its Applications
Published on: January 23, 2021
4.6K
