Real-Time Wheat Unsound Kernel Classification Detection Based on Improved YOLOv5

Zhaohui Zhang; Zengyang Zuo; Zhi Li; Yuguo Yin; Yan Chen; Tianyao Zhang; Xiaoyan Zhao

doi:10.20965/jaciii.2023.p0474

单jc.php

«上一页

下一个»

JACIII第27卷第3期，第474-480页

doi:10.20965/jaciii.2023.p0474

(2023)

研究论文：

过去60天的浏览量： 250

基于改进YOLOv5的小麦籽粒非健全实时分类检测

张朝晖^1,2,†、曾阳左^2，李智^3、尹玉国^4、闫晨^1，张天耀^1和赵晓燕^1,*2

^*1北京科技大学自动化与电气工程学院
中国北京市海淀区学院路30号，邮编：100083

^*2北京科技大学顺德创新学院
中国广东省佛山市顺德区大良智汇路2号，邮编：528399

^*3河南工业大学信息科学与工程学院
中国河南省郑州市郑州高新技术开发区莲花路100号，邮编450001

^*4山东斯达特测控设备有限公司。
中国山东省潍坊市潍坊经济开发区信义路600号261101

^†通讯作者

收到：

2023年1月21日

认可的：

2023年2月4日

出版：

2023年5月20日

关键词：

小麦分类，不健全的籽粒，YOLOv5，注意机制

摘要

中国是世界上最大的小麦生产国之一。小麦的质量决定了价格和许多其他方面。小麦品质的检测方法主要依靠人工。它花费了大量的人力和时间，分类结果在一定程度上受到不同个体的影响。随着机器视觉的发展，本文提出了一种自动分类系统。通过增加有效通道注意（ECA），设计了一种基于改进YOLOv5算法的小麦非稳健核识别方法。与卷积块注意模块（CBAM）和挤压激励网络（SENet）相比，选择了改进的YOLOv5算法来更好地拟合模型。识别结果表明，添加注意机制后，YOLOv5的平均准确率比未添加注意机制时有显著提高。添加ECA-YOLOv后，平均准确率提高了96.24%，比其他两个模型提高了10%，与最初的YOLOv5相比提高了13%。这满足了小麦籽粒不健全检测的应用要求。

实时不可靠内核检测

引用本文为：

Z.Zhang、Z.Zuo、Z.Li、Y.Yin、Y.Chen、T.Zhang和X.Zhao，“基于改进YOLOv5的实时小麦非健全籽粒分类检测”高级计算杂志。智力。智力。通知。第27卷第3期，第474-480页，2023年。

数据文件：

工具书类

[1] H.Gao、T.Zhen和Z.Li，“基于改进的ResNet的小麦籽粒检测”，IEEE Access，第10卷，第20092-20101页，2022年。https://doi.org/10.109/ACCESS.2022.3147838
[2] L.Jena、S.K.Behera和P.K.Sethy，“使用几何特征和机器学习识别小麦籽粒”，2021年第二届新兴技术国际会议（INCET），2021。https://doi.org/10.1109/INCET51464.2021.9456281
[3] S.Guan等人，“基于改进YOLOv5的陶瓷环缺陷检测”，2022年第三届计算机视觉、图像和深度学习国际会议和计算机工程与应用国际会议（CVIDL&ICCEA），第115-1182022页。https://doi.org/10.109/CVIDLICCEA56201.2022.9824099
[4] F.Han和J.Li，“利用加权坐标注意力通过YOLOv5检测小麦头”，2022年第七届云计算和大数据分析国际会议（ICCCBDA），第300-3062022页。https://doi.org/10.109/ICCCBDA55098.2022.9778925
[5] C.H.R.Mendigoria等人，“莴苣使用基于形态学Phenes的自适应神经模糊推理系统的种子，“J.Adv.Comput。智力。智力。通知。，第25卷，第5期，第618-6242021页。https://doi.org/10.20965/jaciii.2021.p0618
[6] F.Cheng、F.N.Chen和Y.B.Ying，“使用人工神经网络识别未发音小麦”，2010年WRI全球智能系统大会第二届会议，第172-175页，2010年。https://doi.org/10.1109/GCIS.2010.220
[7] A.Sharma、T.Singh和N.Garg，“结合近红外高光谱成像和ANN对小麦种子进行品种分类”，2022年第三届智能计算仪器和控制技术国际会议，第1103-1108页，2022。https://doi.org/10.109/ICICICT54557.2022.9917725
[8] V.K.Kolur和M.S.Padagatti，“利用图像处理技术对小麦籽粒进行质量识别和分级”，2021年第五届电气、电子、通信、计算机技术和优化技术国际会议，第497-500页，2021。https://doi.org/10.1109/ICEECCOT52851.2021.9708017
[9] A.G.Singh、K.Singh和S.A.Sampson，“小麦头部检测和作物健康分类系统”，《2021年电力和先进计算技术创新》（i-PACT），2021年。https://doi.org/10.109/i-PACT5285.2021.9696823
[10] X.Xia等人，“基于数字图像处理的小麦外观质量分析”，2010年第二届环境科学与信息应用技术大会，第231-234页，2010年。https://doi.org/10.1109/ESIAT.2010.5568375
[11] T.Georgieva、S.Penchev和P.Daskalov，“利用计算机视觉和光谱分析评估小麦作物状况的可能性分析”，2022年第八届国际能源效率与农业工程会议，2022。https://doi.org/10.109/EEAE53789.2022.9831308
[12] X.Zhao等人，“基于双流网络的交叉视角步态识别”，J.Adv.Comput。智力。智力。通知。，第25卷，第5期，第671-678页，2021年。https://doi.org/10.20965/jaciii.2021.p0671
[13] M.Genaev、S.Ekaterina和D.Afonnikov，“神经网络在小麦锈病图像识别中的应用”，《2020年认知科学、基因组学和生物信息学》，第40-422020页。https://doi.org/10.109/CSGB51356.2020.9214703
[14] J.Redmon等人，“You Only Look Once：Unified，Real-Time Object Detection”，2016年IEEE计算机视觉和模式识别会议，第779-788页，2016年。https://doi.org/10.109/CVPR.2016.91
[15] R.Fan和Z.Qiu，“基于CBAM注意机制的改进YOLOv5算法”，2022年国际人工智能与机器学习前沿会议，第229-233页，2022。https://doi.org/10.109/FAIML57028.2022.00051

本文发表于知识共享署名NoDerivatives 4.0国际许可。

[1] [1] H.Gao、T.Zhen和Z.Li，“基于改进的ResNet的小麦籽粒检测”，IEEE Access，第10卷，第20092-20101页，2022年。https://doi.org/10.109/ACCESS.2022.3147838

[2] [2] L.Jena、S.K.Behera和P.K.Sethy，“使用几何特征和机器学习识别小麦籽粒”，2021年第二届新兴技术国际会议（INCET），2021。https://doi.org/10.1109/INCET51464.2021.9456281

[3] [3] S.Guan等人，“基于改进YOLOv5的陶瓷环缺陷检测”，2022年第三届计算机视觉、图像和深度学习国际会议和计算机工程与应用国际会议（CVIDL&ICCEA），第115-1182022页。https://doi.org/10.109/CVIDLICCEA56201.2022.9824099

[4] [4] F.Han和J.Li，“利用加权坐标注意力通过YOLOv5检测小麦头”，2022年第七届云计算和大数据分析国际会议（ICCCBDA），第300-3062022页。https://doi.org/10.109/ICCCBDA55098.2022.9778925

[5] [5] C.H.R.Mendigoria等人，“莴苣使用基于形态学Phenes的自适应神经模糊推理系统的种子，“J.Adv.Comput。智力。智力。通知。，第25卷，第5期，第618-6242021页。https://doi.org/10.20965/jaciii.2021.p0618

[6] [6] F.Cheng、F.N.Chen和Y.B.Ying，“使用人工神经网络识别未发音小麦”，2010年WRI全球智能系统大会第二届会议，第172-175页，2010年。https://doi.org/10.1109/GCIS.2010.220

[7] [7] A.Sharma、T.Singh和N.Garg，“结合近红外高光谱成像和ANN对小麦种子进行品种分类”，2022年第三届智能计算仪器和控制技术国际会议，第1103-1108页，2022。https://doi.org/10.109/ICICICT54557.2022.9917725

[8] [8] V.K.Kolur和M.S.Padagatti，“利用图像处理技术对小麦籽粒进行质量识别和分级”，2021年第五届电气、电子、通信、计算机技术和优化技术国际会议，第497-500页，2021。https://doi.org/10.1109/ICEECCOT52851.2021.9708017

[9] [9] A.G.Singh、K.Singh和S.A.Sampson，“小麦头部检测和作物健康分类系统”，《2021年电力和先进计算技术创新》（i-PACT），2021年。https://doi.org/10.109/i-PACT5285.2021.9696823

[10] [10] X.Xia等人，“基于数字图像处理的小麦外观质量分析”，2010年第二届环境科学与信息应用技术大会，第231-234页，2010年。https://doi.org/10.1109/ESIAT.2010.5568375

[11] [11] T.Georgieva、S.Penchev和P.Daskalov，“利用计算机视觉和光谱分析评估小麦作物状况的可能性分析”，2022年第八届国际能源效率与农业工程会议，2022。https://doi.org/10.109/EEAE53789.2022.9831308

[12] [12] X.Zhao等人，“基于双流网络的交叉视角步态识别”，J.Adv.Comput。智力。智力。通知。，第25卷，第5期，第671-678页，2021年。https://doi.org/10.20965/jaciii.2021.p0671

[13] [13] M.Genaev、S.Ekaterina和D.Afonnikov，“神经网络在小麦锈病图像识别中的应用”，《2020年认知科学、基因组学和生物信息学》，第40-422020页。https://doi.org/10.109/CSGB51356.2020.9214703

[14] [14] J.Redmon等人，“You Only Look Once：Unified，Real-Time Object Detection”，2016年IEEE计算机视觉和模式识别会议，第779-788页，2016年。https://doi.org/10.109/CVPR.2016.91

[15] [15] R.Fan和Z.Qiu，“基于CBAM注意机制的改进YOLOv5算法”，2022年国际人工智能与机器学习前沿会议，第229-233页，2022。https://doi.org/10.109/FAIML57028.2022.00051

基于改进YOLOv5的小麦籽粒非健全实时分类检测

张朝晖*1,*2,†、曾阳左*2，李智*3、尹玉国*4、闫晨*1，张天耀*1和赵晓燕*1,*2

张朝晖^1,2,†、曾阳左^2，李智^3、尹玉国^4、闫晨^1，张天耀^1和赵晓燕^1,*2