典型文献
基于深度学习的水稻精量穴播排种系统设计与测试
文献摘要：
针对当前水稻穴播机缺乏实时监测和自主调节机制,无法对播种状态进行实时修正的弊端,为进一步提升穴播机的核心性能指标,提出一种基于深度学习的水稻精量穴播排种系统.采用YOLOv5检测模型在自制水稻种粒数据集上进行特征训练,通过增加检测尺度和优化初始锚框参数增强算法模型对小目标颗粒对象的检测精度,将训练好的水稻种粒检测器与DeepSORT算法连接,实现对水稻种粒的追踪计数.机具控制端将检测模型输出结果与农艺指标进行对比,通过计算种粒数量偏差实时修正振送器送种速率,运用PID控制技术实时对排种状态进行自我调节,最终实现智能排种.研究结果显示,经过优化后的YOLOv5水稻种粒检测器准确率为98.6％,召回率为98.8％,平均精度为99.1％,相较于原版YOLOv5准确率上升了3.0百分点,召回率提升了3.6百分点,平均精度提升了3.2百分点;本设计水稻排种系统空穴率为1.33％,穴粒合格率为95.6％,符合水稻直播机国家标准,相较于未引入深度学习的样机空穴率下降了2.12百分点,穴粒合格率提升了8.73百分点.结果表明,本设计的水稻穴播排钟系统在检测性能和核心指标上均有提升,可以为传统农机与人工智能结合提供参考借鉴.
文献关键词：
YOLOv5s;DeepSORT;水稻;排种系统;深度学习
中图分类号：
作者姓名：
杜龙龙;朱景建;王荣扬;陆学斌;于斌
作者机构：
湖州职业技术学院,浙江湖州313000;湖州市机器人系统集成与智能装备重点实验室,浙江湖州313000;哈尔滨理工大学,黑龙江哈尔滨 150000
文献出处：
引用格式：
[1]杜龙龙;朱景建;王荣扬;陆学斌;于斌-.基于深度学习的水稻精量穴播排种系统设计与测试)[J].江苏农业科学,2022(21):200-207
A类：
自主调节机制
B类：
精量穴播,排种系统,设计与测试,播种,检测模型,稻种,粒数,检测尺度,锚框,增强算法,算法模型,小目标,检测精度,练好,检测器,DeepSORT,机具,模型输出,输出结果,农艺,PID,自我调节,召回率,原版,百分点,精度提升,空穴,水稻直播机,样机,合格率提升,检测性能,核心指标,传统农机,YOLOv5s
AB值：
0.292562
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。
