基于RAPESEED-YOLO的散铺油菜角果籽粒数检测方法研究OA

油菜角果平均籽粒数是评价产油量的核心指标。传统人工检测方法存在破坏性大、主观误差大、效率低等缺陷。为此,提出一种基于姿态信息的角果内含籽粒数统计方法,实现散铺油菜角果籽粒的自动化无损检测。引入RAPESEED-YOLO网络,加入轻量化VanillaNet主干网络、P2小目标检测头及多尺度膨胀注意力机制(MSDA),增强小目标特征提取能力;设计动态检测头(Dynamic Head)与动态采样器(DySample),结合C3k2_MDConv2模块优化多尺度特征融合;提出Shape-IoU损失函数,提升小目标边界框回归精度,降低模型体积,提升运算速度,便于部署。实验结果表明,RAPESEED-YOLO网络精度为98.6%、召回率为98.7%、平均精度均值为98.9%,本统计方法在15组生产实验中平均精度为95.6%,误差小于10%,理想状态下可达到3株/h的高通量。展现出在农业场景下高鲁棒性与低资源消耗特性,为油菜籽粒无损检测提供了精准、高效、轻量化的实用技术路径,对推动油菜测产具有重要应用价值。