基于改进YOLO v5的玉米植株表型参数检测方法OA

针对现有的玉米植株表型参数检测耗时耗力且检测精度不够高的问题,提出一种基于改进YOLO v5的玉米植株株高与叶片长度检测方法。首先,在对玉米株高的检测中,将经典YOLO v5算法中颈部网络的CSP结构替换为RepNCSPELAN4模块,有效增强多尺度特征融合效率。针对叶片长度的检测任务,在经典YOLO v5算法的颈部网络中引入RepC3模块,增强叶片边缘特征提取能力。然后,在玉米植株和叶片检测的检测框过滤阶段,均采用soft-NMS算法替代传统的NMS算法,有效缓解玉米植株和叶片错检与漏检问题。最后,将边界框回归损失均改为EIoU,引入宽高比与中心距离惩罚项,提升了植株的定位精度。试验结果表明,植株株高和叶长检测的平均精度均值mAP@0.5:0.95分别达到98.9%和91.4%,相比于经典的YOLO v5分别提升了6.9、1.2百分点。同时,玉米植高测定的相对误差在2.1%以内,均方根误差为0.488 cm,叶长测定的相对误差在3.73%以内,均方根误差为0.586 cm。本研究设计的玉米株高和叶长的检测方法有效提升了玉米植株表型参数检测性能,对玉米植株表型数据自动化采集具有重要意义。