书目详细信息
： 基于计算机视觉的玉米表型检测方法与系统研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于计算机视觉的玉米表型检测方法与系统研究/.王建坤著/.杨琳琳指导 |
| 出版发行项： | 2023.5.18 |
| 载体形态项： | 66页:;+图表:;+30cm |
| 一般附注： | 机电工程学院, 学号2020210046 |
| 提要文摘： | 玉米是我国重要的粮食作物，分布广，增产潜力大且含有丰富的营养物质。作物生长模型是作物生长与环境之间的交互关系，是作物环境感知与控制、预测作物生长情况和产量的重要研究方向，在预测作物产量，及时提供作物生长状况等方面有着不可替代的地位。目前常见的玉米表型检测方式为人工测量，人工测量不仅耗费大量人力物力，易出现人为的测量误差。设计和研究基于计算机视觉和卷积神经网络的玉米表型检测方法，搭建玉米表型检测最优模型，实现玉米表型检测的高效无损检测具有重要意义。常见的卷积神经网络模型较大，移动端部署较为困难，本文针对层数较少的卷积神经网络进行研究，构建玉米表型检测数较少的神经网络模型，降低了模型参数量和计算量。目前用来部署卷积神经网络的常用的移动端性能较低，GPU部署功耗较大，无法满足移动端需要，本文使用FPGA开发板进行卷积神经网络的加速部署。 为了实现玉米表型的高效快速检测，并进行模型的移动端部署，本文从玉米叶片和玉米植株两个层次分别进行试验，开展相关工作如下： （1）采集玉米叶片和玉米植株图像数据，采集玉米叶片和植株相关表型数据。使用基于PASCAL VOC语义分割数据集训练的DeepLab V3+网络模型对玉米植株图像进行分割，使用最大类间方差法进行玉米叶片图像分割，使用分割后图像构建玉米表型检测数据集，对数据集进行归一化处理，对数据集进行划分并进行数据增强。 （2）使用MSE和MAE作为回归模型的损失函数和评价函数，使用相关系数r和决定系数R²作为模型在测试集上泛化性能的评价指标。 （3）对玉米叶片表型数据进行分组试验，构建卷积神经网络回归模型，提出了RGB三通道分离结构，通过添加通道注意力机制以及RGB三通道分离结构进行模型的优化，结合玉米叶片表型分组进行不同表型组合的检测，通过对测试集进行对比试验，选择最优模型。最终对玉米叶片的表型检测模型在测试集上相关系数r达到了0.94以上，决定系数R²达到了0.90以上。 （4）对玉米植株表型采集任务进行多视角图像采集，进行多视角与单视角试验分析，提出了B-MSE和B-MAE改善数据不均衡问题，通过使用大步距卷积大大降低了特征图尺寸，对玉米植株鲜重、干重和叶面积表型检测使用卷积神经网络进行检测，对玉米植株株高和叶数的表型检测在基础网络结构的基础上添加全局卷积。进行对比试验，选择最优模型实现了玉米植株表型的最优化检测。最终对玉米植株表型检测模型在测试集上相关系数r达到了0.92以上，决定系数R²达到了0.85以上，平均绝对百分比误差MAPE均在4.97%以下。 （5）选择FPGA平台进行模型的部署试验，使用HLS工具进行卷积和池化的C++语言实现并转化为RTL实现，实现了基于FPGA的玉米表型检测下位机设计。设计表型检测系统上位机可视化界面，使用上位机与FPGA进行数据传输，实现检测系统的可视化。 |
| 并列题名： | Research on Maize Phenotype Detection Method and System Based on Computer Vision |
| 题名主题： | 玉米表型 卷积神经网络 注意力机制 FPGA 学位论文 |
| 中图分类： | TP391.41-533 |
| 个人名称等同： | 王建坤 著 |
| 个人名称次要： | 杨琳琳 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20240301 |