YOLOv8-Peas:一种基于种子发芽活力的豆类干旱耐受性的轻量级方法

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 植物育种 植物育种

背景情况:

• 干旱压力严重影响全球粮食生产,需要耐旱的作物品种.
• 豆 (Pisum sativum L.) 种子发芽活力对于产量和质量至关重要,但传统的检测方法不足以进行实时,非破坏性分析.

研究的目的:

• 在干旱压力下开发一种高效准确的方法来检测豆种子的发芽活力.
• 改进对抗干旱的豆类基因型的选过程.

主要方法:

• 开发了YOLOv8-Peas,这是一个增强的YOLOv8-n模型,包含C2f-Ghost,深度可分离的卷积,PDetect头部,坐标注意力 (CA) 和CARAFE上样.
• 构建了一个豆子发芽数据集与数据增强,并利用亚当优化器.
• 模拟干旱环境使用PEG6000进行模型验证.

主要成果:

• YOLOv8-Peas实现了98.7%的平均平均精度 (mAP),检测速度为116.2 FPS.
• 显著降低了模型复杂性: 1.17M 参数, 3.2G FLOP 和 2.7MB 的重量大小 (分别减少了 61.2%, 61% 和 56.5%).
• 成功分析和量化发芽活力,以选抗旱豆品种.

结论:

• YOLOv8-Peas提供了一种具有成本效益和高效的解决方案,用于非破坏性,实时检测豆子发芽活力.
• 为加速繁殖抗旱豆品种提供科学基础,增强粮食安全.