公开(公告)号：CN116434066B

公开(公告)日：2023-10-13

申请号：CN202310424584.4

申请日：2023-04-17

Applicant: 安徽农业大学

Inventor： 马慧敏 ,  张宸曦 ,  陆旭 ,  胡健威 ,  宁孝梅 ,  张帅男 ,  胡宇豪 ,  刘倩 ,  焦俊 ,  辜丽川

IPC: G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于深度学习的大豆豆荚考种方法、系统及装置，涉及人工智能机器视觉考种技术领域；该方法包括以下步骤：采集不同拍摄环境下的大豆豆荚原始RGB图像；根据大豆豆荚原始RGB图像中每个豆荚中实粒和秕粒的个数情况进行框选分类标记建立原始图像数据集；构建融合注意力模块的改进YOLOX网络模型，将原始图像数据集输入至改进YOLOX网络模型进行训练；测试改进YOLOX网络模型，更新改进YOLOX网络模型的学习参数；对存在多种特征的豆荚计数结果进行修正；利用已更新的改进YOLOX网络模型对待考种的大豆豆荚进行检测。本发明能够将豆荚中的实粒和秕粒区分，且在多种拍摄环境下快速准确地对豆荚进行检测，提高检测和计数的准确率和效率。

公开(公告)号：CN116485766A

公开(公告)日：2023-07-25

申请号：CN202310466723.X

申请日：2023-04-27

Applicant: 安徽农业大学

Inventor： 马慧敏 ,  张伟伟 ,  张宸曦 ,  张立夫 ,  檀磊 ,  胡宇豪 ,  朱诚 ,  刘海秋 ,  辜丽川

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLOX的粮食不完善粒检测和计数方法,包括以下步骤：S1、采集不同密集程度单层随机排布的粮食不完善籽粒原始RGB图像，并根据虫蚀粒、病斑粒、破损粒、生芽粒、生霉粒和完善粒进行框选分类标记，建立原始图像数据集；S2、将原始图像数据集输入至所述改进YOLOX网络模型，确定所述改进YOLOX网络模型的学习参数；S3、对存在交错特征的颗粒总计数进行修正，得到粮食不完善粒的检测模型；S4、根据待检测的粮食不完善粒实物图片或者视频，实现对待检测的粮食不完善粒的检测，得到各类不完善粒的计数结果。本发明适合粮食不完善粒细粒度特征识别和高通量检测计数的深度学习网络结构以提高检测和计数的准确率。

公开(公告)号：CN116434066A

公开(公告)日：2023-07-14

申请号：CN202310424584.4

申请日：2023-04-17

Applicant: 安徽农业大学

Inventor： 马慧敏 ,  张宸曦 ,  陆旭 ,  胡健威 ,  宁孝梅 ,  张帅男 ,  胡宇豪 ,  刘倩 ,  焦俊 ,  辜丽川

IPC: G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于深度学习的大豆豆荚考种方法、系统及装置，涉及人工智能机器视觉考种技术领域；该方法包括以下步骤：采集不同拍摄环境下的大豆豆荚原始RGB图像；根据大豆豆荚原始RGB图像中每个豆荚中实粒和秕粒的个数情况进行框选分类标记建立原始图像数据集；构建融合注意力模块的改进YOLOX网络模型，将原始图像数据集输入至改进YOLOX网络模型进行训练；测试改进YOLOX网络模型，更新改进YOLOX网络模型的学习参数；对存在多种特征的豆荚计数结果进行修正；利用已更新的改进YOLOX网络模型对待考种的大豆豆荚进行检测。本发明能够将豆荚中的实粒和秕粒区分，且在多种拍摄环境下快速准确地对豆荚进行检测，提高检测和计数的准确率和效率。