典型文献
基于YOLOv5s模型的小麦品种(系)穗数检测
文献摘要：
及时准确地获取小麦品种(系)穗数对其产量预测具有重要的实际意义.针对目前小麦穗数调查手段落后、费时费力、效率低等问题,本研究以2020—2021年度种植于河南省农业科学院河南现代农业研究开发基地参加国家冬小麦黄淮南片水地组区域试验的82个小麦品种(系)为材料,以2021年4月采集的麦穗数码图像为数据源,基于单阶段目标检测算法YOLOv5s构建训练模型,用于小麦穗数检测.结果表明,经过60次迭代训练,YOLOv5s训练模型对小麦品种(系)穗数识别的精准率为96.47％,召回率为93.98％,平均精度均值为0.971,取得了较好的检测效果与泛化特性.与人工统计相比,应用YOLOv5训练模型对小麦穗数检测具有较高的精度,统计的准确率为95.60％,且每幅图检测耗时仅0.07 s.证明YOLOv5s训练模型在复杂田间环境中的适用性较好,能够在小麦抽穗期快速准确检测出小麦穗数,可为田间小麦穗数统计及产量估测提供技术参考.
文献关键词：
YOLOv5s模型;小麦品种(系);穗数检测;图像识别
中图分类号：
作者姓名：
臧贺藏;赵晴;周萌;曹廷杰;张杰;李国强;郑国清
作者机构：
河南省农业科学院农业经济与信息研究所/农业农村部黄淮海智慧农业技术重点实验室,河南 郑州 450002;河南省农业科学院小麦研究所,河南 郑州 450002
文献出处：
引用格式：
[1]臧贺藏;赵晴;周萌;曹廷杰;张杰;李国强;郑国清-.基于YOLOv5s模型的小麦品种(系)穗数检测)[J].山东农业科学,2022(11):150-157
A类：
穗数检测
B类：
YOLOv5s,小麦品种,产量预测,实际意义,小麦穗,调查手段,段落,费时费力,农业科学,现代农业,研究开发,地参,参加国,冬小麦,黄淮南片,水地,区域试验,数码图像,数据源,单阶段目标检测算法,训练模型,迭代训练,召回率,平均精度均值,检测效果,每幅,田间,抽穗期,快速准确,产量估测,图像识别
AB值：
0.283014
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
