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
职称材料
题名
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
王子瑞
苏其贺
杨万能
机构
华中农业大学工学院
华中农业大学作物遗传改良全国重点实验室
出处
《农业工程学报》
北大核心
2025年第11期146-155,共10页
基金
国家自然科学基金项目(32270431)
湖北省重点研发计划青年科学家项目(2022BBA0045)
+1 种基金
科技创新2030新一代人工智能重大项目(2022ZD0115705)
中央高校基本科研业务费项目(2662024GXPY002)。
文摘
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。
关键词
水稻
目标追踪计数
光流法
StrongSORT
稻穗长度
Keywords
rice
target tracking and counting
optical flow method
StrongSORT
rice panicle length
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
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
基于光流法预处理和StrongSORT的水稻稻穗追踪计数及穗长提取
黄成龙
石宇璇
王子瑞
苏其贺
杨万能
《农业工程学报》
北大核心
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
