基于计算机视觉的玉米叶片表型检测方法研究  

Study on maize leaf phenotype detection method based on computer vision

作　　者：杨琳琳 王建坤 别书凡 白振江 常金攀 贺小梅 李文峰 施杰 Yang Linlin

机构地区：[1]云南农业大学机电工程学院,云南昆明650201 [2]云南省作物生产与智慧农业重点实验室,云南昆明650201

出　　处：《江苏农业科学》2023年第16期195-202,共8页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:31860331、32160420);云南省作物生产与智慧农业重点实验室开放基金课题;云南省重大科技项目高原特色农产品无损检测子课题果蔬无损检测。

摘　　要：针对玉米叶片表型检测传统方式存在耗费大量人力物力且存在人工主观性误差等问题,提出了一种基于计算机视觉技术和深度学习方法的玉米叶片表型检测方法,建立了玉米叶片表型回归检测模型。首先采集玉米叶片图像及对应的表型数据,然后搭建浅层卷积神经网络,通过调整浅层卷积神经网络模型结构,添加注意力机制以及RGB三通道分离结构对搭建的网络进行优化,最后将图像和表型数据输入到模型进行训练,并对不同任务组合分别进行模型训练,分析不同任务组合对模型预测精度的影响。结果表明,三通道分离结构和通道注意力机制的添加提高了模型在所有任务组合上的性能,且不同任务组合试验的结果表明,玉米叶片各个表型的检测在不同任务搭配后检测效果有较大波动,基于三通道分离结构和通道注意力机制的模型检测叶片叶面积的结果最高决定系数r^(2)达到0.997,鲜质量r^(2)达到0.988,叶宽r^(2)达到0.982,SPAD值r^(2)达到0.901。研究结果表明,三通道分离可以降低R、G、B三通道带来的影响,添加通道注意力机制,可以提高玉米叶片表型检测的模型性能。

关 键 词：叶片表型 表型回归检测 注意力机制 通道分离 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]