基于Light-YOLO的棉花种子破裂的高效在线检测装置和方法.
Hongzhou Zhang1, Qingxu Li2, Zhenwei Luo1
1College of Mechanical and Electrical Engineering, Tarim University, Alar, China.
Frontiers in plant science
|August 26, 2024
概括
这项研究引入了一种新系统来检测破碎的棉花种子,这对于成功种植棉花至关重要. 开发的Light-YOLO模型为识别受损种子提供了快速,经济高效的解决方案,提高了作物产量.
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:
- 高品质的棉花种子对于最佳棉花生产和发芽至关重要.
- 目前用于检测破碎的棉花种子的方法缺乏速度和成本效益.
- 种子的完整性直接影响植物生长和产量.
研究的目的:
- 开发一个快速,经济高效的线上检测系统破碎的棉花种子.
- 通过深度学习提高棉花种子破裂检测的准确性和效率.
- 在现实世界中验证开发系统在现实条件下的性能.
主要方法:
- 一个双摄像头系统被设计用于捕捉棉花种子的前后图像.
- 硬件,软件和控制系统都是为了在线检测而开发的.
- YOLOv8m模型得到了MobileOne-block和GhostConv的增强,从而创建了Light-YOLO.
- 光-YOLO已接受培训和评估,用于检测棉花种子的破裂.
主要成果:
- 光YOLO实现了93.8%的精度,97.2%的回忆,98.9%的mAP50和96.1%的精度,模型大小为41.3 MB.
- YOLOv8m实现了93.7%的精度,95.0%的回忆,99.0%的mAP50和95.2%的精度,模型大小为49.6 MB.
- 在线验证显示,棉花种子破裂的检测准确率为86.7%.
结论:
- 与YOLOv8m相比,Light-YOLO提供了优越的检测性能和速度,用于棉花破裂.
- 开发的在线检测技术对于分类破碎的棉花种子是可行的和有效的.
- 这项创新为改善农业棉花种子质量提供了实际解决方案.
