YOLOv8-甘露:基于种子发芽状态的甘露的轻量级耐盐检测方法

科学领域:

• 农业科学 农业科学
• 植物生理学 植物生理学
• 计算机视觉 计算机视觉

背景情况:

• 种子发芽状态对于作物生长和产量至关重要.
• 监测种子发芽的动态,特别是在压力下,是一个挑战.
• 对于农业应用,需要准确的种子发芽时间序列数据.

研究的目的:

• 开发一种方法来获取和分析甘草种子发芽的全时序列图像.
• 为了研究不同盐应激条件下的甘种子发芽状态的动态变化.
• 为实时监测种子发芽创建一个优化的物体检测模型.

主要方法:

• 一种种子发芽的表型采集系统被用来捕捉甘发芽的时间序列图像.
• 创建了一个标记的甘发芽图像数据集,将状态分类为未发芽,发芽,破裂和.
• 一个优化的YOLOv8-n模型,称为YOLOv8-Licorice,已被开发和验证用于检测发芽状态.
• 在不同的NaCl度下进行了发芽实验,以模拟盐应激.

主要成果:

• YOLOv8-Licorice模型准确地检测了在各种盐应激水平下的发芽状态.
• 未发芽的种子百分比随着盐应力增加而不断下降.
• 发芽和破裂的种子百分比显示了复杂的趋势,增加然后减少或持续增加,取决于盐度.
• 贝种子的百分比在中度盐应力下增加,在高应力下稳定.

结论:

• 开发的YOLOv8-Licorice模型有效地监测了在盐压力下甘种子发芽动态.
• 这项研究提供了对盐应激如何影响甘种子发芽的不同阶段的定量理解.
• 这种方法为评估种子生存能力和预测环境压力下的作物表现提供了有价值的参考.