米-SVBDete:一种检测算法,用于小血管捆在米茎的横截面

科学领域:

• 植物科学 植物科学
• 农业技术 农业技术
• 计算机视觉 计算机视觉

背景情况:

• 血管束对于大米的生长和产量至关重要.
• 准确测量血管束对于米育种至关重要.
• 在显微镜图像中检测小血管束是具有挑战性的,因为大小和背景噪声.

研究的目的:

• 开发一种专门的深度学习算法,用于检测大米茎截面中的小血管捆.
• 改进现有的物体检测架构,以提高小,复杂的生物结构的性能.

主要方法:

• 建议使用Rice-SVBDete算法,增强YOLOv8架构.
• 集成的动态蛇形卷积 (DSConv) 适应性特征提取.
• 实施了多级特征融合 (MFF) 和一个新的强大的交叉在欧盟 (PIoU) 损失函数.

主要成果:

• 赖斯-SVBDete的精度为0.789,回忆率为0.771,mAP@.5的精度为0.728.
• 与基线YOLOv8相比,显著改善,精度,回忆和mAP@.5分别增加了0.179,0.201和0.227.
• 在复杂的背景中有效检测到小的血管束.

结论:

• 在具有挑战性的生物成像中,Rice-SVBDete为小型物体检测提供了强大的解决方案.
• 为大米解剖分析,精准农业和植物科学研究提供了宝贵的工具.
• 促进了作物改进和种植策略的进步.