目录>
第一个书签之前
摘 要
Abstract
1 绪论
1.1 研究的目的及意义
1.2 国内外现状分析
1.2.1大豆落花落荚规律研究现状
1.2.2 作物图像采集装置研究现状
1.2.3 图像识别田间作物的研究现状
1.3 研究内容与方法、技术路线
1.3.1 研究内容与方法
1.3.2 技术路线
2 大豆花荚识别理论基础分析
2.1 确定依据
2.2 基于深度学习的花荚识别理论基础构建
2.2.1深度学习检测流程
2.2.2基于Faster-RCNN的大豆花荚识别算法讨论
2.2.3基于Center Net的花荚识别算法讨论
2.3 YOLOv5算法缺陷
2.3.1特征图可视化实验
2.3.2 YOLOv5算法存在的问题
2.4本章小结
3 大豆花荚识别模型的构建
3.1 大豆花荚数据集制作
3.1.1试验地点
3.1.2获取大豆花荚数据集
3.1.3图像预处理
3.1.4标注数据集图片
3.1.5数据集中大豆花荚目标分析
3.2 花荚识别模型训练试验环境搭建
3.2.1系统软硬件环境配置
3.2.2系统软件配置
3.2.3深度学习环境搭建步骤
3.3 基于改进yolov5模型的大豆花荚识别模型研究
3.3.1YOLOv5算法网络结构
3.3.2模型改进与优化
3.4 试验结果与分析
3.4.1参数设置
3.4.3结果分析
3.5本章小结
4 大豆花荚识别装置试验与平台功能实现
4.1总体设计目标
4.2 大豆花荚识别装置
4.2.1花荚识别装置硬件设计
4.2.2 花荚装置供电的选择
4.2.3相机与GPRS模块
4.2.4 花荚图像自动采集设计
4.2.5摄像机定时采集设计
4.3 大豆花荚识别检测试验
4.3.1试验区域与时间
4.3.2参数设置
4.4 试验结果与分析
4.5基于大豆花荚识别模型的平台功能实现
4.5.1 花荚图片定时上传
4.5.2远程实时数据采集平台架构技术选择
4.5.3远程实时数据采集电脑端功能实现
4.6本章小结
5 结论与展望
5.1 结论
5.2 展望
致 谢
个人简历
个人情况
教育背景
科研经历
在学期间发表论文
<
摘要：
关于农学专家进行大豆落花落荚表型调查存在实时性差、主观性强等问题。设计田间大豆花荚图像采集装置，通过田间试验，基于改进的yolov5算法对田间开花结荚期大豆花荚进行识别，针对开花结荚期形态变化、叶片相互遮挡、小目标花蕾、幼荚等问题，对Bottleneck CSP结构进行修改，减少模块保留浅层特征，增强表达能力，并在骨干网络中引入CA注意力机制，捕获方向和位置感知信息，定位和识别目标感兴趣区域，并修改锚箱尺寸提高小目标花蕾、幼荚精…展开v
关键词：大豆花荚识别;注意力机制;数据增强;数据标准
授予单位：黑龙江八一农垦大学
授予学位：硕士
学科专业：农业工程与信息技术
导师姓名：张伟;高世杰
学位年度：2023
语种：中文
分类号：TP391.41
在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）
开通阅读并同意
《万方数据会员(个人)服务协议》
相关知识
植物生长调节剂对大豆花荚脱落率及相关酶活性的影响
大豆花荚期管理措施
秋大豆花荚脱落原因与防御措施
两种调节剂对无限结荚习性大豆花荚建成的调控及机制
秋大豆花荚脱落的防御措施
环境因素对蚕豆花荚形成和脱落的影响
植物生长调节剂对大豆花荚脱落及产量的影响
盆栽自动移栽装置设计及试验研究
潜心科研创新路，数字大豆显神通——黑龙江八一农垦大学大豆智能化管理与精准作业科研团队
弯齿螺杆滚筒式轴流花生摘果装置试验研究
网址: 大豆花荚识别装置研究与试验 https://m.huajiangbk.com/newsview830607.html
| 上一篇: 国内追踪数据分析方法研究与模型发 |
下一篇: TransTrack: 实时追踪 |
