基于深度学习的菜用大豆荚型表型识别方法

摘要：

人工智能在农业上的应用是目前的研究热点,在作物的高通量表型组学研究方面具有很好的应用前景.为了对种质资源和育种中间材料的表型进行精准化、智能化、高通量的采集,本研究将最新的目标检测算法和传统的图像处理方法相结合,将基于YOLOv5和图像处理的智能数据采集技术应用于菜用大豆荚型表型的识别.结果发现,该技术能够自动化、批量化地提取一张图片内单粒荚、双粒荚、三粒荚和四粒荚的个数,并获取这些豆荚的长宽数值.通过与实际的豆荚粒数进行对比发现,本研究方法的最大平均精度达98.96％以上,高于传统的深度学习分类网络;与实际的长宽数据进行对比,长宽决定系数均在95.23％以上.本研究所采取的基于深度学习的智能数据采集技术具有识别速度快、精准度高的优势,能大幅降低人工测量的时间成本和人力成本,提高品种选育的工作效率,为菜用大豆荚型的表型性状的高通量、智能化和精准化获取提供了 一种新技术.

关键词：菜用大豆、深度学习、目标检测、图像处理、荚型

所属期刊栏目：36

分类号：TP391.41;P618.130.8;TP274.2

资助基金：浙江省重点研发计划项目2021C02052

在线出版日期：2023-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2391-2399