基于深度学习的玉米包衣种子品种识别
冯晓1
张辉2
刘正2
张会芳3
陈海燕3
赵威4
郑国清1
马中杰1
1.河南省农业科学院 农业信息技术研究所,河南 郑州 450002;农业农村部黄淮海智慧农业技术重点实验室,河南 郑州 4500022.农业农村部黄淮海智慧农业技术重点实验室,河南 郑州 4500023.河南省农业科学院 农业信息技术研究所,河南 郑州 4500024.河南省生态环境监测和安全中心,河南 郑州 450000
摘要：为实现玉米包衣种子品种低成本、高效便捷识别,基于智能手机采集的18个品种4种颜色的23 100张玉米包衣种子双面图像构建数据集,采用轻量级卷积神经网络模型ShuffleNetV2、MobileNetV3、MobileViT、MobileOne、RepGhostNet和基于上述模型的集成模型分别进行玉米包衣种子品种识别.结果表明,5种单一模型均具有较高的识别准确率和综合性能,识别准确率分别为98.48%、98.23%、98.44%、98.23%和98.01%,模型大小分别为1.55、4.96、4.42、6.97、4.19 MB,推理速度分别为106、94、84、212、94 f/s.集成模型相比单一模型具有更高的识别准确率,其中,ShuffleNetV2和MobileViT组成的集成模型识别准确率达到99.22%.分析发现,品种误识别仅发生在相同颜色包衣种子品种之间,并且随着相同颜色包衣种子品种数量增多,模型对该颜色包衣种子的识别准确率有下降的趋势.
关键词：玉米包衣种子品种识别可见光深度学习
分类号：S126(农业物理学)
资助基金：国家重点研发计划(2022YFF0711805)河南省科技攻关计划项目(232102110289)河南省软科学研究计划项目(242400410329)河南省农业科学院自主创新项目(2023ZC070)
论文发表日期：2024-07-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 160-167 )
英文信息