中国农业科学院茶叶研究所茶树生态栽培创新团队在茶树芽叶检测计数和茶叶产量估算研究方面取得新进展。相关研究结果以“A tea buds counting method based on YOLOv5 and Kalman filter tracking algorithm”为题发表在Plant Phenomics上。
提出模型的结构(SE-YOLOV5m)
茶叶产量估算为农民管理和采摘提供决策依据，但茶芽的人工计数费时费力且效率较低。本研究提出了一种基于深度学习的方法，通过使用增强的YOLOv5模型和压缩与激励网络(Squeeze and Excitation Network，SENet)来高效检测茶树芽叶，所提出的方法结合了匈牙利匹配和卡尔曼滤波算法，实现了准确可靠的茶芽计数和产量估算。该模型在测试数据集上具有较高的茶芽检测精度，模型在茶芽计数试验中的应用表明测试视频计数结果与人工计数结果高度相关，表明该计数方法具有较高的准确性和有效性。本研究将深度学习模型和跟踪算法结合，提出了一种高效的茶芽计数方法，实现自然光下的茶芽检测和计数，为茶芽检测算法的优化和产量估算提供了新思路。
SE-YOLOV5m检测结果，从第一行到最后一行：分别是低亮度、中亮度和高亮度图像
该研究得到了中国农业科学院科技创新工程和浙江省重点研发计划等项目资助。中国农业科学院茶叶研究所李杨博士和浙江农林大学马蓉教授为该论文的共同第一作者，山东省农科院茶叶研究所董春旺研究员为该论文的通信作者。
来源：中国茶叶
如涉及版权问题请联系删除
