基于深度学习ImCascade R-CNN 的小麦籽粒表形鉴定方法

分类： 统计学 >> 社会统计学 提交时间： 2023-12-04 合作期刊: 《智慧农业（中英文）》

泮玮婷 孙梦丽 员琰 刘平

摘要： ［目的/意义］培育优质高产的小麦品种是小麦育种的主要目标，而小麦籽粒完整性直接影响小麦育种进 程。完整籽粒与破损籽粒的部分特征差异较小，是限制基于深度学习识别破损小麦籽粒精准度的关键因素。［方 法］ 为解决小麦籽粒检测精度低的问题，本研究建立ImCascade R-CNN模型，提出小麦籽粒表形鉴定方法，精准 检测小麦籽粒完整性、分割籽粒并获取完整籽粒表形参数。［结果和讨论］ImCascade R-CNN模型检测小麦籽粒完 整性的平均精度为90.2%，与Cascade Mask R-CNN、Deeplabv3+模型相比，能更好地识别、定位、分割小麦籽粒， 为籽粒表形参数的获取提供基础。该方法测量粒长、粒宽的平均误差率分别为2.15%和3.74%，测量长宽比的标 准误差为0.15，与人工测量值具有较高的一致性。［结论］研究结果可快速精准检测籽粒完整性、获取完整籽粒表 形数据，加速培育优质高产小麦品种。

 点击量 599  下载量 92  评论