|
|||||
|
|
| 基于YOLO模型的小麦外观分类算法研究 | |
| 作者姓名： | 徐佳鹏 张朝晖 李智 左增杨 赖新亮 赵小燕 张天尧 尹玉国 |
| 作者单位： | 1. 北京科技大学自动化学院;2. 北京市工业波谱成像工程技术研究中心;3. 河南工业大学信息科学与工程学院;4. 河南省粮食光电探测与控制重点实验室;5. 山东思达特测控设备有限公司 |
| 基金项目： | 国家重点研发计划基金资助项目(2019YFB2101902);;中央高校基本科研业务基金资助项目(FRF-TP-20-015A1); |
| 摘 要： | 小麦种植广泛且营养丰富,其品质问题需要重点关注。小麦品质的衡量指标主要是不完善粒占比。为此,需要对小麦颗粒进行分类识别。提出了1种基于你只看一次(YOLO)模型的小麦外观自动分类算法,创新性地将YOLO模型应用于小麦外观分类场景。对采集得到的小麦样本图像切割、筛选、扩充和标记,构建了完善粒与不完善粒图像库。对YOLO网络进行了训练,利用训练后的模型对麦粒图像进行了测试,实现了完善粒、不完善粒分别为91.7%、87.1%的分类准确率。这种自动分拣麦粒的检验方法避免了人工视觉疲劳后的误判,而且检测效率显著提高,为小麦外观分类研究提供了新的思路。 |
| 关 键 词： | 小麦 不完善粒 外观分类 图像检测 图像识别 深度学习 你只看一次模型 卷积神经网络 |
| 本文献已被 维普 等数据库收录！ | |