English
分享
扫码分享
English
农业农村部主管 农业农村部南京农业机械化研究所主办
ISSN 2096-7217 CN 32-1887/S2
论文检索
引文检索
站内检索
高级检索
Toggle navigation
智能化农业装备学报(中英文)
主办单位
首页
关于期刊
期刊介绍
编委会
开放获取声明
道德声明
学术不端界定
期刊导航
最新录用
当期目录
过刊浏览
热点文章
专辑专题
引用排行
点击排行
下载排行
作者中心
在线投稿
投稿须知
同行评审
著作权转让协议
资费标准
下载中心
审稿中心
专家在线审稿
编辑在线办公
主编在线办公
收录网站
中国知网
万方数据
维普网
超星期刊
业务合作
支持单位
广告合作
联系我们
联系我们
期刊订阅
检索结果
期刊
出版年
关键词
结果中检索
(((张忠福[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
全选
下载引用
EndNote
Reference Manager
ProCite
BibTeX
RefWorks
显示/隐藏图片
Select
基于VFNet-Improved和Deep Sort的棉花黄萎病病情分级
黄成龙, 张忠福, 卢智浩, 张晓君, 朱龙付, 杨万能
智能化农业装备学报(中英文) 2023, 4 (2): 12-21. DOI:
10.12398/j.issn.2096-7217.2023.02.002
摘要
(
266
)
PDF
(28598KB)(
130
)
可视化
棉花是全球最重要的经济作物之一,而黄萎病是世界主要棉花生产区的第一大病害,黄萎病病原菌通过感染棉花的根部使叶片萎蔫、褪色以致脱落,导致棉花质量和产量严重下降。国家标准将患黄萎病叶片划分为5个等级,传统检测方法主要依赖人工,存在主观、低效、重复性差等问题,因此提出一种以VFNet-Improved、Deep Sort和撞线匹配机制为主要算法框架的棉花黄萎病病情分级方法,实现在旋转视频输入情况下对患病叶片的数量统计和病情等级的划分。研究首先基于VFNet目标检测网络,融合多尺度训练、动态卷积等优化方法,实现对旋转视频中患病叶片的精准定位;然后采用Deep Sort跟踪器实现前后帧同一叶片的相互关联,并针对跟踪过程ID跳变问题设计了掩膜撞线匹配机制;最后使用OpenCV对经过掩膜线的叶片进行特征提取与患病分级的划分。试验结果表明,VFNet-Improved可以有效改善棉花患病叶片识别精度,mAP75达到0.906,较改进前VFNet模型提升了0.012,帧率FPS为12.9帧/s;Deep Sort跟踪器跟踪效果MOTA为0.835,对患病叶片数量统计结果R
2
、RMSE、MAE与MAPE分别为0.890、5.138、4.300和14.967%,与人工统计值具有较高一致性。本研究为棉花黄萎病病情精准、高效鉴定提供一种新的科学工具,对棉花抗病品种筛选和遗传机制解析具有重要意义。
参考文献
|
相关文章
|
相关统计