在盐应激环境下对黄瓜种子发芽活力的评估,基于改进的YOLOv8
Zhengxin Fang1, Qinglu Fan2, Luxu Tian1
1College of Engineering, Nanjing Agricultural University, Nanjing, China.
Frontiers in plant science
|October 2, 2024
概括
这项研究引入了一种改进的YOLOv8-ECS模型,用于在盐应激下准确评估黄瓜种子发芽活力. 人工智能模型提高了检测准确度,使得可以有效地评估黄瓜品种的盐耐受性.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物生理学 植物生理学
背景情况:
- 种子发芽的活力对作物产量至关重要,但传统的手工评估效率低下,容易出现错误.
- 盐应激显著影响种子发芽和作物生产率,需要强大的评估方法.
- 需要自动化方法来克服手动种子活力评估的局限性.
研究的目的:
- 开发和验证一个增强的YOLOv8-ECS模型,以精确检测在盐应激下黄瓜种子发芽表型.
- 评估改进模型在计算关键发芽参数和评估盐分耐受性的有效性.
- 提供一种高效,准确的方法来培育耐盐的黄瓜品种.
主要方法:
- 利用种子发芽表型获取平台,在不同的盐应激条件下收集黄瓜种子的图像数据.
- 修改了YOLOv8-n模型,将CIoU_Loss替换为ECIOU_Loss,整合了坐标注意力 (CA) 机制,并添加了一个小目标检测头.
- 应用了改进的YOLOv8-ECS模型用于目标检测,计算发芽率和发芽指数,并分析根长度.
主要成果:
- 与原来的YOLOv8-n模型相比,增强的YOLOv8-ECS模型在精度 (96.9%),回忆 (97.3%) 和mAP (98.9%) 中取得了显著的改进.
- 该模型在不同盐度下准确检测了黄瓜种子,并量化了发芽参数.
- 根长度的分析提供了关于黄瓜种子在盐压力下发芽的特征的见解.
结论:
- 改进的YOLOv8-ECS模型提供了一种简单,高效和准确的方法来评估黄瓜种子发芽活力和盐分耐受性.
- 这种人工智能驱动的方法有助于选择和育种优秀的,耐盐的黄瓜品种.
- 这项研究表明了先进的计算机视觉技术在农业研究和作物改进中的潜力.
