基于YOLOv5改进模型的杂交稻芽种快速分级检测

TP301.6%S511; [目的]提高杂交稻种子活力分级检测精度和速度.[方法]提出了一种基于YOLOv5 改进模型(YOLOv5-I)的杂交稻芽种快速分级检测方法,该方法引入SE(Squeeze-and-excitation)注意力机制模块以提高目标通道的特征提取能力,并采用CIoU损失函数策略以提高模型的收敛速度.[结果]YOLOv5-I算法能有效实现杂交稻芽种快速分级检测,检测精度和准确率高,检测速度快.在测试集上,YOLOv5-I算法目标检测的平均精度为97.52%,平均检测时间为 3.745 ms,模型占用内存空间小,仅为 13.7 MB;YOLOv5-I算法的检测精度和速度均优于...

Full description

Saved in:
Bibliographic Details
Published in华南农业大学学报 Vol. 44; no. 6; pp. 960 - 967
Main Authors 钟海敏, 马旭, 李泽华, 王曦成, 刘赛赛, 刘伟文, 王承恩, 林泳达
Format Journal Article
LanguageChinese
Published 华南农业大学数学与信息学院,广东广州 510642%华南农业大学工程学院,广东广州 510642%华南农业大学数学与信息学院,广东广州 510642 2023
农业农村部华南热带智慧农业技术重点实验室,广东广州 510642%华南农业大学电子工程学院,广东广州 510642
Subjects
Deep learning
注意力机制
种子活力
Attention mechanism
Hybrid rice
杂交稻
YOLOv5s
深度学习
Seed vigor
Grading detection
分级检测
Online AccessGet full text
ISSN1001-411X
DOI10.7671/j.issn.1001-411X.202209015

Cover

More Information
Summary:TP301.6%S511; [目的]提高杂交稻种子活力分级检测精度和速度.[方法]提出了一种基于YOLOv5 改进模型(YOLOv5-I)的杂交稻芽种快速分级检测方法,该方法引入SE(Squeeze-and-excitation)注意力机制模块以提高目标通道的特征提取能力,并采用CIoU损失函数策略以提高模型的收敛速度.[结果]YOLOv5-I算法能有效实现杂交稻芽种快速分级检测,检测精度和准确率高,检测速度快.在测试集上,YOLOv5-I算法目标检测的平均精度为97.52%,平均检测时间为 3.745 ms,模型占用内存空间小,仅为 13.7 MB;YOLOv5-I算法的检测精度和速度均优于YOLOv5s、Faster-RCNN、YOLOv4 和SSD模型.[结论]YOLOv5-I算法优于现有的算法,提升了检测精度和速度,能够满足杂交稻芽种分级检测的实用要求.
ISSN:1001-411X
DOI:10.7671/j.issn.1001-411X.202209015