波多野结衣vs黑人巨大|波多野结衣av一区二区全免费观看|波多野结衣美乳人妻,一区精品在线,狠狠色丁香婷综合久久,悠悠色综合



        

            

            


                

            

                
            
            
            
            
            

            
    
            
    
            
    基于改進(jìn)Yolov9的大豆種子表面缺陷檢測(cè)

            
    

            
    
            
    
            
    發(fā)布時(shí)間：

            
    
            2025-06-29
            
    
            
    來(lái)源：

            
    
            
    

            
    
            
    作者：

            
    
            
    

            

            
    
            大豆作為全球最重要的油料作物之一，其種子外觀質(zhì)量是評(píng)價(jià)種子品質(zhì)的重要指標(biāo)。傳統(tǒng)檢測(cè)主要依賴肉眼視覺(jué)檢查其表面是否受損。機(jī)器學(xué)習(xí)領(lǐng)域，尤其是深度學(xué)習(xí)技術(shù)的快速進(jìn)步和發(fā)展，使得利用深度學(xué)習(xí)技術(shù)檢測(cè)大豆種子缺陷成為可能。這種方法可以有效消除傳統(tǒng)檢測(cè)方法的效率低、主觀性強(qiáng)、耗時(shí)長(zhǎng)等弊端，從而提高農(nóng)事綜合效益。
            


             
            


            本研究基于Yolov9-c架構(gòu)提出了一種改進(jìn)的Yolov9-c-ghost-Forwar模型，并引入GhostNet中的輕量級(jí)卷積模塊GhostConv通過(guò)灰度轉(zhuǎn)換、濾波處理、圖像分割、形態(tài)學(xué)運(yùn)算等增強(qiáng)了大豆種子圖像的識(shí)別，極大地降低了噪聲，從而提高大豆種子圖像分割精度。結(jié)果表明，與Yolov9-c、Yolov9-c-SE和Yolov9-c-SCConv相比，Yolov9-c-ghost-Forward模型實(shí)現(xiàn)了最高的mAP0.5（99.2%）和召回率（98.6%）。
            


             
            


            本文可以為農(nóng)業(yè)育種篩選和農(nóng)業(yè)發(fā)展提供堅(jiān)實(shí)的理論基礎(chǔ)和技術(shù)支持。下一步工作將改進(jìn)Yolov9-c-ghost-Forward模型，在保證高精度的同時(shí)減小模型尺寸，從而實(shí)現(xiàn)模型輕量化。
            


            

             
            

            


            

             圖1. 建?？蚣?/span>
            

            


            

             
            

            


            

             圖2. Ghost模塊的結(jié)構(gòu)
            

            


            

             
            

            


            

             圖3. 圖像最終處理結(jié)果
            

            


            

             
            

            


            

             圖4. 圖像標(biāo)注過(guò)程
            

            


            

             
            

            


            

             圖5.模型性能比較。(a) （a）精度曲線；（b）召回率曲線；（c）mAP 0.5曲線；（d）P-R曲線和（e）ROC曲線
            

            


            

             
            

            


            

            表1. 模型測(cè)試結(jié)果
            

            


             
            


            來(lái) 源
            


            

            

            

            

            

            

            Liu, C., Shen, Y., Mu, F. et al. Detection of surface defects in soybean seeds based on improved Yolov9. Sci Rep 15, 12631 (2025). https://doi.org/10.1038/s41598 -025-92429-3 
            


             
            

            

            

            

            


            

            

            

            

            編輯
            

            

            

            


            

            

            JAYz
            

            

            

            

            

            

            



            

            

            

            
 
            
            
            

            
    
            
        推薦新聞

            
    
            
        
            
    
    
            
        
    石時(shí)之約|韓志國(guó)：透過(guò)表型數(shù)據(jù)，看見(jiàn)植物的喜怒哀樂(lè)！
        

            
    本期石時(shí)之約，我們將對(duì)話慧諾瑞德（北京）科技有限公司總經(jīng)理、國(guó)際植物表型學(xué)會(huì)（IPPN）執(zhí)委會(huì)委員/工業(yè)分會(huì)副主席韓志國(guó)，一起從表型數(shù)據(jù)的科學(xué)角度，去讀懂農(nóng)作物的喜怒哀樂(lè)和前世今生。

            

            
        
            
    
    
            
        
    慧科研、慧育種、慧種田——慧聚改變的力量
        

            
    讓我們“慧聚”在一起，為“慧科研、慧育種、慧種田”賦能。

            

            
        
            
    
    
            
        
    高通量植物表型平臺(tái)建設(shè)注意事項(xiàng)
        

            
    育種，是在給定的環(huán)境條件下，選擇各種表型指標(biāo)(產(chǎn)量、品質(zhì)、抗性)最優(yōu)的基因型材料的過(guò)程(AI育種，從這里起步)。育種工作中大約70%的工作量來(lái)自表型觀察測(cè)量和篩選，是最耗人力物力的過(guò)程。

            

            
        
            
    
    
            
        
    作物生理表型測(cè)量基礎(chǔ)原理
        

            
    生理表型測(cè)量的核心在于“早、快”，要在肉眼可見(jiàn)之前就能測(cè)量并預(yù)判出變化趨勢(shì)，才是這個(gè)技術(shù)的核心價(jià)值。葉綠素?zé)晒獬上?，恰好滿足了這個(gè)要求。