一种基于改进Yolov5网络的水稻穴播排种性能检测方法技术

本发明专利技术属于机器视觉和目标识别技术领域，具体涉及一种基于改进Yolov5网络的水稻穴播排种性能检测方法，包括：数据集制作，基于Yolov5网络基础模型，构造添加功能模块，使用Cutout，得到Yolov5网络改进模型，利用训练集训练迭代，得到最优模型，用优化模型对验证集进行目标检测，得到检测结果；所述检测结果包括种子锚框和种穴锚框；对检测结果进行计算，输出排种性能参数。与现有技术相比，本发明专利技术具有以下有益效果：根据种子的种植农艺要求与实际聚集状态确定排种总穴数、每穴粒数、每穴穴径、相邻两穴的穴距、穴粒数合格率、漏播率、重播率等数据，实现对连续穴播排种工况下穴播排种性能的自动统计。

【技术实现步骤摘要】

本专利技术属于机器视觉和目标识别，具体涉及一种基于改进yolov5网络的水稻穴播排种性能检测方法。

技术介绍

1、随着农业技术的不断发展，精准获取水稻穴播排种性能对农业生产的管理和决策具有重要意义。然而，传统的人工统计方法存在效率低、劳动强度大、主观性高、统计误差大等问题。近年来，基于计算机视觉的图像识别技术得到了广泛应用，但在小目标的识别技术及穴播排种性能自动统计等方面仍存在一定的挑战。针对这个问题，现有文件"a deeplearning-based method for rice seed counting"提出了一种基于深度学习方法的自动化计数水稻种子的方法。该方法利用卷积神经网络(cnn)对水稻种子图像进行训练和识别，实现了高精度的种子计数。然而，这种方法目前还无法应用于连续穴播排种工况下包含穴径、穴距等穴播排种性能的检测与统计。

技术实现思路

1、本专利技术的目的是针对现有自动化种子数检测方法无法应用于连续穴播排种工况下穴播性能的检测与统计的问题，提供了一种基于改进yolov5网络的水稻穴播排种性能本文档来自技高网...

【技术保护点】

1.一种基于改进Yolov5网络的水稻穴播排种性能检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述一种基于改进Yolov5网络的水稻穴播排种性能检测方法，其特征在于，所述视频图像包括室内采集和室外采集，室外采集方法为，利用高速摄像机对水稻穴播排种过程的穴播排种效果进行视频录制，具体包括平行太阳光运动拍摄、垂直太阳光运动拍摄以及阴天拍摄；

3.如权利要求1所述一种基于改进Yolov5网络的水稻穴播排种性能检测方法，其特征在于，所述S1中标注的内容包括种子及种穴边界框的坐标和种子类别标签信息，针对标注的内容生成对应的txt文件。

<p>4.如权利要求1...

【技术特征摘要】

1.一种基于改进yolov5网络的水稻穴播排种性能检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述一种基于改进yolov5网络的水稻穴播排种性能检测方法，其特征在于，所述视频图像包括室内采集和室外采集，室外采集方法为，利用高速摄像机对水稻穴播排种过程的穴播排种效果进行视频录制，具体包括平行太阳光运动拍摄、垂直太阳光运动拍摄以及阴天拍摄；

3.如权利要求1所述一种基于改进yolov5网络的水稻穴播排种性能检测方法，其特征在于，所述s1中标注的内容包括种子及种穴边界框的坐标和种子类别标签信息，针对标注的内容生成对应的txt文件。

4.如权利要求1所述一种基于改进yolov5网络的水稻穴播排种性能检测方法，其特征在于，预处理图像为满足yolov5网络基础模型输入要求的图像。

5.如权利要求1所述一种基于改进yolov...

【专利技术属性】
技术研发人员：张顺，周博，万于，周立豪，巩国辉，付振威，熊玮，廖娟，李兆东，况福明，朱德泉，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：