典型文献
基于深度学习的菜用大豆荚型表型识别方法
文献摘要：
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.
文献关键词：
菜用大豆;深度学习;目标检测;图像处理;荚型
中图分类号：
作者姓名：
翔云;陈其军;宋栩杰;蔡昌;卜远鹏;刘娜
作者机构：
浙江工业大学信息工程学院,浙江杭州 310000;浙江省农业科学院蔬菜研究所,农产品质量安全危害因子与风险防控国家重点实验室,浙江杭州 310021
文献出处：
引用格式：
[1]翔云;陈其军;宋栩杰;蔡昌;卜远鹏;刘娜-.基于深度学习的菜用大豆荚型表型识别方法)[J].核农学报,2022(12):2391-2399
A类：
荚型
B类：
菜用大豆,大豆荚,高通量表型组,表型组学,组学研究,种质资源,育种,目标检测算法,YOLOv5,和图像,智能数据采集,数据采集技术,一张图,三粒,四粒,长宽,粒数,大平,分类网络,决定系数,人工测量,时间成本,人力成本,品种选育,表型性状
AB值：
0.274914
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。
