通过深度学习检测甜菜种子涂层缺陷
Abdullah Beyaz1, Zülfi Saripinar2
1Faculty of Agriculture, Department of Agricultural Machinery and Technologies Engineering, Ankara University, Ankara, Türkiye. abeyaz@ankara.edu.tr.
Scientific reports
|May 13, 2025
概括
这项研究使用YOLO算法对甜菜种子涂层缺陷进行分类,对正常,破碎,星形和粘附涂层实现高精度. 这种图像处理技术提高了种子质量控制和农业生产效率.
科学领域:
- 农业技术 农业技术
- 计算机视觉 计算机视觉 计算机视觉
- 机器学习是机器学习.
背景情况:
- 全球种子涂层市场正在迅速扩大,这是由旨在提高作物性能和农业可持续性的创新推动的.
- 涂层缺陷显著影响种子质量和发芽,需要精确的识别和分类方法.
研究的目的:
- 根据涂层缺陷使用YOLO (你只看一次) 算法对涂层糖种子进行分类.
- 开发一种高效有效的方法来检测和分类种子涂层缺陷.
主要方法:
- 在受控照明条件下利用了2000张涂层糖甜菜种子的高分辨率RGB图像的数据集.
- 员工使用YOLOv10-N,YOLOv10-L和YOLOv10-X模型进行分类,80%的培训和20%的验证分成.
- 将种子分为正常,破碎,星形和粘附涂层的类别.
主要成果:
- YOLOv10-X获得了最高的测试准确率:正常的93%;破碎的94%,星形的94%,粘附涂层的95%.
- YOLOv10-N显示出最快的推断时间,跨缺陷类型的推断时间从11.4ms到11.9ms不等.
- 这项研究证实了图像处理对控制运行条件对种子质量影响的有效性.
结论:
- YOLO算法为糖种子涂层缺陷的自动分类提供了强大的解决方案.
- 使用图像处理精确检测缺陷,提高种子质量控制,提高农业生产效率.
- 这项技术提供了一种可扩展的方法,在不同的操作条件下保持种子质量.
