一个通用的模型,用于准确地检测和计算小麦尖峰在复杂的场景中
Changji Wen1, Zhenyu Ma2, Junfeng Ren2
1College of Information and Technology, Jilin Agricultural University, Changchun, China. changjiw@jlau.edu.cn.
Scientific reports
|October 15, 2024
概括
一个名为RIA-SpikeNet的新模型能够准确地检测和计数复杂田地的小麦. 这种进步有助于精确的产量估计,并支持小麦育种计划.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 准确的小麦尖峰检测和计数对于作物产量估计和育种至关重要.
- 在复杂的现场环境中,由于视觉相似性和遮蔽,存在挑战.
研究的目的:
- 开发一个有效的模型,RIA-SpikeNet,用于在具有挑战性的田间条件下检测和计数小麦.
- 为了提高小麦分析的准确性和稳定性.
主要方法:
- 引入隐式解检测头,以更好地区分类似的尖峰.
- 利用不对称损失来增强积极和硬样本的学习.
- 修改骨干网络,进行重组参数化和更大的卷积内核,以改善特征提取.
主要成果:
- RIA-SpikeNet实现了具有竞争力的81.54%的mAP和90.29%的R2.
- 与最先进的YOLOv8检测模型相比,该模型表现出更高的性能.
- 在复杂的现场场景中检测和计数小麦的精度提高.
结论:
- RIA-SpikeNet提供了一个有效的解决方案,用于在田间环境中估计小麦产量.
- 该模型为小麦生产和育种工作提供了宝贵的支持.
- 提出的技术显著提高了小麦尖峰检测和计数精度.
更多相关视频
07:36Visualizing Early Infection Sites of Rice Blast Disease Magnaporthe oryzae on Barley Hordeum vulgare Using a Basic Microscope and a Smartphone
Published on: March 17, 2023
1.6K
07:34A Simple Stimulatory Device for Evoking Point-like Tactile Stimuli: A Searchlight for LFP to Spike Transitions
Published on: March 25, 2014
9.8K
