期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLOv11-Pose的玉米植株骨架及表型参数提取方法
1
作者
牛子昂
裘正军
《智慧农业(中英文)》
2025年第2期95-105,共11页
[目的/意义]玉米植株骨架和表型参数的精准提取是获取植株生长状态、形态分析及农业管理的重要基础。然而,大田种植环境下的光照变化、复杂背景、叶片遮挡等对骨架和表型参数的提取带来了严峻挑战。本研究提出一种适用于田间的玉米植株...
[目的/意义]玉米植株骨架和表型参数的精准提取是获取植株生长状态、形态分析及农业管理的重要基础。然而,大田种植环境下的光照变化、复杂背景、叶片遮挡等对骨架和表型参数的提取带来了严峻挑战。本研究提出一种适用于田间的玉米植株骨架和表型参数提取方法,以提升提取的精度与效率,为玉米表型数据获取提供技术支撑。[方法]提出了一种基于改进YOLOv11-Pose的多目标关键点检测网络,采用自上而下的检测框架对玉米植株关键点进行检测与骨架重建。通过均匀采样算法设计适用于玉米骨架的关键点表示方法,以优化骨架的任务适应性;同时,分别在网络的骨干、头部加入单头自注意力机制、卷积注意力机制,引导模型关注遮挡区域和粘连部位,从而提高对复杂场景的适应能力。[结果和讨论]在田间玉米环境中测试结果表明,当均匀采样关键点数量设置为10时,Fréchet距离达到最低值79.008,既能有效保持原始骨架的形态特征,又能避免冗余点影响,为后续建模提供高效、准确的骨架数据基础。在该设置下,改进YOLOv11-Pose模型的边界框检测精度为0.717;关键点检测的mAP50和mAP50-95分别提升了10.9%和23.8%,单张图片推理耗时52.7 ms。测试结果表明,该模型在复杂田间环境中展现出卓越性能和较低计算成本,在关键点检测任务中具有更高的精度和鲁棒性。研究进一步结合骨架提取结果和空间几何信息,实现株高测量平均绝对误差为2.435 cm,叶龄检测误差小于1个生长时期,叶长测量误差3.482%,验证了所提出的方法在表型参数测量应用方面的有效性和实用性。[结论]本研究提出的改进YOLOv11-Pose模型能够高效、精准地提取玉米植株骨架和表型参数,为粮食生产数据获取与精准农业管理提供了技术支持。
展开更多
关键词
作物长势
关键点检测
注意力机制
表型参数
玉米植株骨架
YOLOv11
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv11-Pose的玉米植株骨架及表型参数提取方法
1
作者
牛子昂
裘正军
机构
浙江大学生物系统工程与食品科学学院
出处
《智慧农业(中英文)》
2025年第2期95-105,共11页
基金
国家重点研发计划项目(2023YFD2000101)。
文摘
[目的/意义]玉米植株骨架和表型参数的精准提取是获取植株生长状态、形态分析及农业管理的重要基础。然而,大田种植环境下的光照变化、复杂背景、叶片遮挡等对骨架和表型参数的提取带来了严峻挑战。本研究提出一种适用于田间的玉米植株骨架和表型参数提取方法,以提升提取的精度与效率,为玉米表型数据获取提供技术支撑。[方法]提出了一种基于改进YOLOv11-Pose的多目标关键点检测网络,采用自上而下的检测框架对玉米植株关键点进行检测与骨架重建。通过均匀采样算法设计适用于玉米骨架的关键点表示方法,以优化骨架的任务适应性;同时,分别在网络的骨干、头部加入单头自注意力机制、卷积注意力机制,引导模型关注遮挡区域和粘连部位,从而提高对复杂场景的适应能力。[结果和讨论]在田间玉米环境中测试结果表明,当均匀采样关键点数量设置为10时,Fréchet距离达到最低值79.008,既能有效保持原始骨架的形态特征,又能避免冗余点影响,为后续建模提供高效、准确的骨架数据基础。在该设置下,改进YOLOv11-Pose模型的边界框检测精度为0.717;关键点检测的mAP50和mAP50-95分别提升了10.9%和23.8%,单张图片推理耗时52.7 ms。测试结果表明,该模型在复杂田间环境中展现出卓越性能和较低计算成本,在关键点检测任务中具有更高的精度和鲁棒性。研究进一步结合骨架提取结果和空间几何信息,实现株高测量平均绝对误差为2.435 cm,叶龄检测误差小于1个生长时期,叶长测量误差3.482%,验证了所提出的方法在表型参数测量应用方面的有效性和实用性。[结论]本研究提出的改进YOLOv11-Pose模型能够高效、精准地提取玉米植株骨架和表型参数,为粮食生产数据获取与精准农业管理提供了技术支持。
关键词
作物长势
关键点检测
注意力机制
表型参数
玉米植株骨架
YOLOv11
Keywords
crop growth
keypoint detection
attention mechanism
phenotypic parameter
maize plant skeleton
YOLOv11
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
S24 [农业科学—农业电气化与自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进YOLOv11-Pose的玉米植株骨架及表型参数提取方法
牛子昂
裘正军
《智慧农业(中英文)》
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
