SciOpen的个人博客分享 http://blog.sciencenet.cn/u/SciOpen

博文

黄成龙团队 | 基于VFNet-Improved和DeepSort的棉花黄萎病病情分级(农业信息感知与控制技术专题202

已有 1915 次阅读 2023-7-14 10:01 |系统分类:博客资讯

01  论文基本信息

《智能化农业装备学报(中英文)》2023年第4卷第2期“农业信息感知与控制技术”专题刊载了华中农业大学工学院,华中农业大学作物遗传改良全国重点实验室 黄成龙, 张忠福, 卢智浩, 张晓君, 朱龙付, 杨万能的论文——基于VFNet-Improved和Deep Sort的棉花黄萎病病情分级。该研究由湖北省重点研发计划青年科学家项目(2022BBA0045);国家自然科学基金项目(32270431,U21A20205);科技创新2030新一代人工智能重大项目(SQ2022AAA010320);中央高校基本科研业务费项目(2662022YJ018)资助。


02  引文信息

引用格式如下,欢迎大家阅读、引用。

黄成龙, 张忠福, 卢智浩, 张晓君, 朱龙付, 杨万能. 基于VFNet-Improved和Deep Sort的棉花黄萎病病情分级[J]. 智能化农业装备学报(中英文), 2023, 4(2): 12-21.

HUANG Chenglong, ZHANG Zhongfu, LU Zhihao, ZHANG Xiaojun, ZHU Longfu, YANG Wanneng. Leaf grading for cotton verticillium wilt based on VFNet-Improved and Deep Sort[J]. Journal of Intelligent Agricultural Mechanization, 2023, 4(2): 12-21.

DOI: 10.12398/j.issn.2096-7217.2023.02.002



点击知网阅读

点击官网阅读(全文,免费)



03  论文研究内容

摘要:棉花是全球最重要的经济作物之一,而黄萎病是世界主要棉花生产区的第一大病害,黄萎病病原菌通过感染棉花的根部使叶片萎蔫、褪色以致脱落,导致棉花质量和产量严重下降。国家标准将患黄萎病叶片划分为5个等级,传统检测方法主要依赖人工,存在主观、低效、重复性差等问题,因此提出一种以VFNet-Improved、Deep Sort和撞线匹配机制为主要算法框架的棉花黄萎病病情分级方法,实现在旋转视频输入情况下对患病叶片的数量统计和病情等级的划分。研究首先基于VFNet目标检测网络,融合多尺度训练、动态卷积等优化方法,实现对旋转视频中患病叶片的精准定位;然后采用Deep Sort跟踪器实现前后帧同一叶片的相互关联,并针对跟踪过程ID跳变问题设计了掩膜撞线匹配机制;最后使用OpenCV对经过掩膜线的叶片进行特征提取与患病分级的划分。试验结果表明,VFNet-Improved可以有效改善棉花患病叶片识别精度,mAP75达到0.906,较改进前VFNet模型提升了0.012,帧率FPS为12.9帧/s;Deep Sort跟踪器跟踪效果MOTA为0.835,对患病叶片数量统计结果R2、RMSE、MAE与MAPE分别为0.890、5.138、4.300和14.967%,与人工统计值具有较高一致性。本研究为棉花黄萎病病情精准、高效鉴定提供一种新的科学工具,对棉花抗病品种筛选和遗传机制解析具有重要意义。

关键词:目标检测, 目标跟踪, VFNet, Deep Sort, 棉花黄萎病, 病情分级


04  作者简介


第一作者/通信作者

2.png

黄成龙,华中农业大学工学院副教授,毕业于华中科技大学光电国家研究中心,工学博士,主要从事智慧农业技术与装备、植物表型技术研究,研究方向包括基于AI云—边缘计算植物表型便携式智能解析方法,基于三维结构光、X-CT成像的植物3D结构信息智能感知算法,基于温室龙门、田间机器人的农业智能识别与作业装置。主持国家自然科学基金(青年、面上)、湖北省重点研发计划(青年科学家项目)、国家科技创新2030—“新一代人工智能”重大项目(子课题)、湖北省自然科学基金、企业横向等项目13项。发表研究论文40余篇,其中以第一作者/通信作者23篇:IF>5.0 8篇,1篇ESI高被引(前1%)论文,授权国家发明专利、软件著作权6项;主持或参与科技成果转化5项,相关技术成果在全国18省份60多家单位进行应用;获湖北省2019技术发明二等奖,2022中国技术市场协会金桥奖;担任《Sensors》期刊的客座编辑,《智能化农业装备学报(中英文)》青年编委,《Plant Phenomics》青年编委,入选2023年湖北中小微企业“科技副总”,CEIA、PlantPhenomics、FPS、Plant Methods等期刊审稿人,作国际大会报告6次。

科研成果

针对水稻、玉米、油菜、小麦、大豆产量测量的问题,设计基于AI云/边缘计算的便携式产量测量平台,实现在复杂场景下多品种作物产量性状的智能解析,研制的手机端App、Web端网页为作物育种工作人员提供方便快捷的检测手段。

3.png

图1  基于AI云/边缘计算的作物多品种产量

智能检测平台

针对水稻、马铃薯、油菜等三维性状测不准、内部信息无法观测的问题,自主搭建低成本X-CT成像系统、机械臂3D结构光成像系统,设计马铃薯芽眼、小麦腹沟三维点云处理算法,实现基于Deep Sort的断层序列再生稻再生芽智能追踪计数方法。

4.png

图2  基于3D结构光/X-CT成像的植物三维

性状深度解析方法研究

针对棉花黄萎病人工调查量化困难效率低、棉花去顶主要依赖人工的瓶颈,设计温室自动巡检表型平台,实现4分钟内对棉花黄萎病的智能检测,设计棉花智能去顶机器人,实现棉花顶芽的精准识别和定位,为棉花品种选育和智能作业提供科学工具。

5.png

图3  基于温室龙门和田间机器人的棉花

智能检测和作业平台

诚挚欢迎大家与我们联系交流。

联系人:黄成龙

联系电话:15827395619

邮箱:hcl@mail.hzau.edu.cn



《智能化农业装备学报(中英文)》是经国家新闻出版署批准,中华人民共和国农业农村部主管、农业农村部南京农业机械化研究所主办的农业工程类学术期刊。中国工程院罗锡文院士担任编辑委员会主任委员。

国内统一刊号:CN 32-1887/S2

国际标准刊号:ISSN 2096-7217


7.jpg

期刊网站:
http://znhnyzbxb.niam.com.cn
联系电话:
025-84346292
电子邮箱:
jiam@caas.cn


联系我们

为方便智能化农业领域读者、作者和审稿专家学术交流,编辑部建立了微信交流服务群,目前主要发布编辑部资讯、征稿启事、论文推荐及行业动态等信息,有关专业领域的问题讨论、投稿等相关问题均可在群里咨询。

    入群方法:请您添加微信15366092884,备注:姓名+单位+研究方向,小编邀您加入交流群,机构营销广告人员勿扰。




https://blog.sciencenet.cn/blog-3563286-1395288.html

上一篇:何勇教授团队 | 天空地一体化信息感知与融合技术发展现状与趋势(2023年第2期:农业信息感知与控制技术专题)
下一篇:喜讯|Communications in Transportation Research正式被ESCI收录!
收藏 IP: 166.111.244.*| 热度|

1 李升伟

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-7-19 21:28

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部