采用改进YOLOv4算法的大豆单株豆荚数检测方法

摘要：

大豆单株豆荚数检测是考种的重要环节,传统方法通过人工目测的方式获取豆荚类型和数量,该方法费时费力且误差较大.该研究利用大豆单株表型测量仪采集到的表型数据,通过融合K-means聚类算法与改进的注意力机制模块,对YOLOv4目标检测算法进行了改进,使用迁移学习预训练,获取最优模型对测试集进行预测.试验结果表明,该研究模型的平均准确率为80.55％,数据扩充后准确率达到了84.37％,比育种专家目测准确率提高了0.37个百分点,若不考虑5粒荚,该研究模型的平均准确率为95.92％,比YOLOv4模型提高了10.57个百分点,具有更强的检测性能.在简单背景的摆盘豆荚检测中,该研究模型预测的平均准确率达到了99.1％,比YOLOv4模型提高了1.81个百分点,研究结果表明该模型在不同场景下的大豆豆荚检测中具有较强的泛化能力,可为大豆人工智能育种提供参考.

关键词：图像识别;算法;大豆;豆荚检测;YOLOv4;K-means聚类;注意力机制

所属期刊栏目：37

分类号：TP391.4;S126(计算技术、计算机技术)

资助基金：国家重点研发计划主要经济作物分子设计育种No.2016YFD0101900

在线出版日期：2021-12-16（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：179-187