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
共找到3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：
基于光流法预处理和StrongSORT的水稻稻穗追踪计数及穗长提取
1
作者 黄成龙 石宇璇 +2 位作者 王子瑞 苏其贺 杨万能 《农业工程学报》 北大核心 2025年第11期146-155,共10页
为改进传统人工水稻产量检测方法存在接触损伤、主观低效和重复性差等问题,该研究提出了一种基于光流法预处理和StrongSORT的水稻稻穗追踪计数及穗长提取方法。首先,设计试验获取水稻旋转视频数据集,其次,利用Gunnar Farneback光流算法... 为改进传统人工水稻产量检测方法存在接触损伤、主观低效和重复性差等问题,该研究提出了一种基于光流法预处理和StrongSORT的水稻稻穗追踪计数及穗长提取方法。首先,设计试验获取水稻旋转视频数据集,其次,利用Gunnar Farneback光流算法对视频进行预处理以减小遮挡影响,利用卷积模块注意力机制改进YOLOv8-seg网络并对稻穗进行目标检测与分割;最后,基于StrongSORT算法实现稻穗多目标追踪计数,建立运动先验模型增加稻穗目标追踪的匹配次数,改善ID(identity document)跳变问题,同时通过Zhang-Suen骨架提取算法获取稻穗长度。结果表明,在目标检测上,改进的YOLOv8-seg模型平均精度均值为81.1%,相较于原始YOLOv8-seg模型提高了8.7个百分点;经过光流法预处理后的模型平均精度均值为95.0%,与未经过光流法预处理的模型相比提高了13.9个百分点;在稻穗多目标追踪上,光流法预处理+改进的YOLOv8-seg+StrongSORT模型的多目标追踪准确度为85.58%,高阶跟踪精度为64.06%,与YOLOv8-seg+StrongSORT相比,分别提升了11.83和9.53个百分点,ID跳变由891降低至275,降低了69.2%;在计数上,光流法预处理+改进的YOLOv8-seg+StrongSORT模型计数结果与真实值相比,回归性分析模型的决定系数R^(2)为0.9696,平均绝对百分比误差为2.15%,均方根误差为1.87;在穗长提取上,光流法预处理+改进的YOLOv8-seg+StrongSORT模型提取结果与真实值相比,回归性分析模型的决定系数R^(2)为0.9408,平均绝对百分比误差为4.07%,均方根误差为0.47。本研究可以降低各个重叠稻穗间的干扰,提高检测准确度和多目标追踪精度,减少了大部分ID跳变问题,为稻穗追踪计数和长度测量提供了一种新的技术途径。 展开更多
关键词 水稻 目标追踪计数 光流法 StrongSORT 稻穗长度
在线阅读 下载PDF
基于Micro-CT和改进DeepSORT的再生稻再生芽追踪计数与再生力评价 被引量：5
2
作者 黄成龙 华向东 +4 位作者 黄诗豪 卢智浩 董佳乐 张俊 杨万能 《农业工程学报》 EI CAS CSCD 北大核心 2023年第11期165-174,共10页
再生稻具有一种两收的优势,其再生力直接决定了水稻再生季产量,而水稻再生力与再生季再生芽的数量密切相关。传统人工水稻再生芽检测方法存在接触损伤、主观低效和重复性差等缺点,该研究提出了一种基于MicroCT(computed tomography)和... 再生稻具有一种两收的优势,其再生力直接决定了水稻再生季产量,而水稻再生力与再生季再生芽的数量密切相关。传统人工水稻再生芽检测方法存在接触损伤、主观低效和重复性差等缺点,该研究提出了一种基于MicroCT(computed tomography)和改进的DeepSORT(simple online and realtime tracking)的再生芽多目标追踪计数和再生力评价方法。首先采用Micro-CT成像获取再生季水稻断层图视频流,然后利用YOLOv5s网络作为再生芽追踪检测器,最后通过改进的DeepSORT追踪算法实现水稻再生芽的精准追踪计数。其中DeepSORT改进包括优化再生芽追踪过程中的ID错误;增加再生芽目标追踪的匹配次数,改善ID跳变的问题;计算再生芽的高度信息,实现对再生芽中有效芽的判别。试验结果表明,在目标检测上,YOLOv5s对再生芽和茎秆的平均检测准确率分别为97.3%和99.1%,在再生芽多目标追踪上,改进的DeepSORT算法的多目标跟踪准确度为77.61%,高阶跟踪精度为61.73%,ID跳变为6,与改进之前相比,多目标跟踪准确度和高阶跟踪精度分别提升了1.5和8.5个百分点,ID跳变降低了94%。对8种不同处理共104盆水稻再生芽进行追踪计数,将系统测量值与人工测量值进行统计对比,结果证明本文方法测量的再生芽数量和人工观测值的决定系数为0.983,均方根误差为3.460,平均绝对百分比误差为5.647%,两者具有较高的回归性。研究基于有效再生芽和茎秆数量的比值得到水稻早期再生力,对2个水稻品种共38盆水稻的再生力和再生季实际产量进行相关分析得到决定系数分别为0.795和0.764。该研究为水稻再生芽无损检测和再生力早期评价提供了一种技术途径。 展开更多
关键词 检测 Micro-CT成像 DeepSORT 目标追踪计数 再生稻再生芽 水稻再生力
在线阅读 下载PDF
基于改进YOLOv7的无人机航拍视频西瓜计数方法 被引量：4
3
作者 殷慧军 王宝丽 +4 位作者 景运革 李菊霞 王鹏岭 权高翔 孙婷婷 《农业工程学报》 EI CAS CSCD 北大核心 2024年第19期124-134,共11页
为解决自然环境下西瓜分布不均且遮挡严重导致的人工计数困难问题,该研究提出一种YOLOv7-GCSF模型与Deep SORT算法相融合的无人机视频西瓜自动计数方法。采用Ghost Conv及C2f模块轻量化YOLOv7模型,以减少模型冗余信息;引入Sim AM注意力... 为解决自然环境下西瓜分布不均且遮挡严重导致的人工计数困难问题,该研究提出一种YOLOv7-GCSF模型与Deep SORT算法相融合的无人机视频西瓜自动计数方法。采用Ghost Conv及C2f模块轻量化YOLOv7模型,以减少模型冗余信息;引入Sim AM注意力机制,构建MP-Sim AM模块,用于提高模型特征提取能力;替换CIo U为Focal EIo U损失函数,以增加模型收敛性能;在Deep SORT中提出一种掩模撞线机制,用于提高计数精度。结果表明,YOLOv7-GCSF目标检测模型精确率(P)、均值平均精度(m AP_(0.5))分别达到94.2%、98.2%,相比YOLOv7模型分别提高2.3、0.3个百分点,在模型轻量化方面,较YOLOv7模型浮点运算数下降77.5G,模型参数量、模型大小分别下降0.57M和18.88MB;与传统Tracktor和SORT算法相比,改进的Deep SORT算法跟踪准确率分别提高5.0和13.7个百分点;三白瓜及宁夏硒砂瓜计数结果决定系数为0.93、平均计数精度为96.3%、平均绝对误差为0.77。该方法可有效统计西瓜园西瓜数量,为西瓜产量预测提供一种行之有效的技术途径。 展开更多
关键词 无人机 西瓜 YOLOv7 DeepSORT 目标追踪计数 产量预测
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部