基于EST-YOLACT模型的水稻种子实例分割  

作　　者：张思洁 陈西曲 

机构地区：[1]武汉轻工大学电气与电子工程学院,湖北武汉430023

出　　处：《中外食品工业》2025年第1期39-41,共3页Sino-foreign Food Industry

摘　　要：精准农业的发展对水稻种子质量检测提出了更高要求,但现有实例分割方法在处理密集粘连种子时仍存在漏检率高、边界不光滑等问题。本研究通过改进YOLACT模型,实现对密集状态下水稻种子的有效实例分割,解决传统方法在处理粘连种子时出现的漏检和边界不光滑等问题。本文构建了在密集状态下七个品种的水稻种子数据集,旨在为模型训练提供丰富的样本,并提出了一种改进模型的水稻种子实例分割网络EST-YOLACT。通过使用构建的数据集对EST-YOLACT模型进行训练与验证。结果表明,经过改进后的网络在密集状态下对水稻种子进行分割,预测框和掩膜的平均精度值分别提高了4.52%和1.38%,模型在处理密集粘连水稻种子时的漏检率明显降低,且生成的分割边界更加光滑,符合实际种子形态。研究成果可为水稻种子质量检测提供高效、智能化的解决方案,推动农业智能检测技术的发展。

关 键 词：实例分割 水稻种子 密集状态 YOLACT 

分 类 号：TP29[自动化与计算机技术—检测技术与自动化装置]