一种基于自监督学习Faster R-ViT的玉米雄穗检测及计数方法技术

本发明专利技术公开了一种基于自监督学习Faster R‑ViT的玉米雄穗检测及计数方法，该方法属于人工智能、计算机视觉与农业工程领域，用于解决现有玉米雄穗数据集的数量不足而导致检测精度低的问题。具体步骤包括：获取玉米雄穗图像并结合网络公开数据集结合为数据集，将玉米雄穗数据集划分为训练集和测试集。结合玉米育种田作物生长情况，利用自监督学习方法构建Faster R‑ViT网络模型。对Faster R‑ViT网络模型进行训练；对Faster R‑ViT网络模型进行评价和测试。本发明专利技术使用视觉Transformer进行特征提取，提升模型的准确率。并利用自监督学习方法训练模型，提升模型的收敛速度和泛化能力。

【技术实现步骤摘要】

技术介绍

1、去雄是玉米制种田生产的关键环节，为保证玉米育种纯度，在地面机械化批量去雄作业完成后，还需要大量的人工巡检和补漏工作，以便及时发现并去除未去雄的玉米植株。这项工作对劳动力需求密度大、依赖性强，并且在精确度和时效性上无法得到有效保障。本专利技术借助计算机视觉、人工智能技术巡查、精准识别和定位并计数未去雄玉米植株，为后期自动化玉米去雄作业提供数据支撑，进一步提高效率，降低人工成本，保障玉米育种质量。

2、1、专业术语

3、(1)自监督学习(self-supervised learning)。机器学习一般可分为监督学习、无监督学习、强化学习等类别。自监督学习是无监督学习的一种，也被称作辅助任务习或自监督任务等，其目的是引导模型学习到一种通用的特征表达用于下游任务。自监督学习任务一般分为两个阶段：前置任务阶段和下游任务阶段。在前置任务阶段使用大量无标签的数据集(unlabeled data)进行训练，得到初步成型的训练模型；随后再根据具体下游任务将无标签数据集上训练得到的初步模型输入到有标签的特定任务数据集中进一步训练和微调(本文档来自技高网...

【技术保护点】

1.一种基于自监督学习Faster R-ViT的玉米雄穗检测及计数方法，其特征在于，该方法包括下列顺序的步骤：

2.根据权利要求1所述的一种基于自监督学习Faster R-ViT的玉米雄穗检测及计数方法，其特征在于，数据采集具体包括以下步骤：

3.根据权利要求1所述的一种基于自监督学习Faster R-ViT的玉米雄穗检测及计数方法，其特征在于：在步骤(2)中，所述Faster R-ViT网络模型包括：特征提取模块，利用视觉Transformer(ViT)提取图片的浅层特征；区域候选网络(Region Proposal Network,RPN)模块，利用区域候选网...

【技术特征摘要】

1.一种基于自监督学习faster r-vit的玉米雄穗检测及计数方法，其特征在于，该方法包括下列顺序的步骤：

2.根据权利要求1所述的一种基于自监督学习faster r-vit的玉米雄穗检测及计数方法，其特征在于，数据采集具体包括以下步骤：

3.根据权利要求1所述的一种基于自监督学习faster r-vit的玉米雄穗检测及计数方法，其特征在于：在步骤(2)中，所述faster r-vit网络模型包括：特征提取模块，利用视觉transformer(vit)提取图片的浅层特征；区域候选网络(region proposal network,rpn)模块，利用区域候选网络生成候选框；兴趣域池化(region o...

【专利技术属性】
技术研发人员：张鑫，周长建，
申请(专利权)人：东北农业大学，
类型：发明
国别省市：