[发明专利]一种基于改进型YOLO v5模型的大豆植株表型数据统计方法

说明书

本发明涉及大豆人工智能选育技术领域，公开了一种基于改进型YOLO v5模型的大豆植株表型数据统计方法，包括如下步骤：获得目标大豆植株的采样图片；通过基于指定训练方法训练完成的识别模型对采样图片进行识别；统计并保存识别模型输出的关于大豆植株的表型特征；其中，识别模型为基于指定改进方法改进的YOLO v5模型；可将对目标大豆植株进行拍摄采样得到的采样图片，输入预先训练好的识别模型中进行识别，识别模型可以快速准确的给出该目标大豆植株的表型特征数据，然后可将表型特征数据进行统计，方便后续工作者进行查阅调取。

技术领域

本发明涉及大豆人工智能选育技术领域，具体涉及一种基于改进型YOLO v5模型的大豆植株表型数据统计方法。

背景技术

大豆是我国重要粮食作物和重要经济作物。然而多年来我国大豆产业高度依赖进口，且进口来源高度集中，严重威胁国家粮油安全。

大豆考种工作通过获取可重复的大豆表型数据，量化分析其与大豆产量、质量等的关系，是解析大豆遗传规律和大豆育种的关键环节。大豆表型是指在基因组和种植环境的共同作用下，大豆生长发育过程和结果的所有物理、生理和性状等。通过可重复的高质量表型数据，能够量化分析表型对产量、质量、抗逆等的影响。如大豆叶片形态为大豆重要外观特征和农艺性状，能够直观地反映植物的生长状态，叶片形态既影响日光捕获效率，又影响“氮”库的吸收效率，可调节产量，大豆的荚粒数性状也与叶形密切连锁。

而传统的大豆考种模式主要依赖于人工，存在着数据采集量有限、人力物力成本高、数据共享能力差、测量精度低、可重复性差、客观性差等问题，这大大限制了表型数据在大豆育种决策过程中的作用发挥，也是限制大豆产业发展的原因之一。因此现代大豆育种迫切需要能够准确、快速、无损检测大豆表型参数的智能化、高通量方法，提高育种效率。

发明内容

本发明的目的在于提供一种基于改进型YOLO v5模型的大豆植株表型数据统计方法，解决以下技术问题：

如何提高大豆考种时大豆表型参数的检测效率和准确度。

本发明的目的可以通过以下技术方案实现：

一种基于改进型YOLO v5模型的大豆植株表型数据统计方法，包括如下步骤：

获得目标大豆植株的采样图片；

通过基于指定训练方法训练完成的识别模型对所述采样图片进行识别；

统计并保存所述识别模型输出的关于所述大豆植株的表型特征；

其中，所述识别模型为基于指定改进方法改进的YOLO v5模型。

通过上述技术方案，可将对目标大豆植株进行拍摄采样得到的采样图片，输入预先训练好的识别模型中进行识别，识别模型可以快速准确的给出该目标大豆植株的表型特征数据，然后可将表型特征数据进行统计，方便后续工作者进行查阅调取。

作为本发明进一步的方案：所述指定训练方法包括：

针对大豆植株获取训练样本集；

增强扩充所述训练样本集后得到训练数据集；

将所述训练数据集随机划分为训练集、验证集和测试集三个部分。

作为本发明进一步的方案：所述针对大豆植株获取训练样本集的方法包括：

选取不同时间段、不同天气情况、不同角度对所述大豆植株进行拍摄后得到拍摄图像；

对所有所述拍摄图像进行标注后进行得到所述训练样本集，所述标注包括多种类别标签。

作为本发明进一步的方案：所述增强扩充所述训练样本集后得到训练数据集的方法包括：

对所述训练样本集中的每个所述拍摄图像进行数据增强；