基于改进YOLOv5s的小麦小穗计数方法和系统

本申请涉及深度学习农作物预测，特别涉及一种基于改进yolov5s的小麦小穗计数方法和系统。

背景技术：

1、随着深度学习、计算机视觉、人工智能等技术的发展，小麦表型研究取得了长足发展，小麦出苗率计算、生育期判定、麦穗识别等研究取得一定的成果，但小麦小穗计数研究尚不多见。目前，在大田环境下的小麦小穗计数主要通过人工方式，先统计单位面积上的小麦穗数，待收获后称取千粒重，之后计算产量估值，这种人工方式效率低，周期长，难以及时有效地实现小穗计数、估计小麦预期产量。因而，亟需提供一种高效、自动化、智能化的技术方案。

技术实现思路

1、本申请的目的在于提供一种基于改进yolov5s的小麦小穗计数方法和系统，以解决或缓解上述现有技术中存在的问题。

2、为了实现上述目的，本申请提供如下技术方案：

3、本申请提供一种基于改进yolov5s的小麦小穗计数方法，包括：对yolov5s网络结构进行模块调整和层次优化，得到改进的yolov5s网络模型；对预先获取的麦穗图像进行预处理，得到所述改进的yolov5s网络模型的训练数据集，以对所述改进的yolov5s网络模型进行训练；根据预先划分的小穗种类，基于训练完成的改进的yolov5s网络模型，对小麦小穗进行计数预测。

4、优选的，所述对yolov5s网络结构进行模块调整和层次优化，得到改进的yolov5s网络模型，包括：对所述yolov5s网络结构中的neck网络中添加第一特征与第二特征的融合层数，并在所述yolov5s网络结构中的主干网络中添加新的卷积模块，以及将所述主干网络中的最后一层替换为c3tr模块，得到所述改进的yolov5s网络模型。

5、优选的，用transformer注意力机制模块代替所述yolov5s网络结构中c3模块中的bottleneck模块，得到所述c3tr模块。

6、优选的，所述对所述改进的yolov5s网络模型进行训练，包括：在所述改进的yolov5s网络模型输入所述训练数据集中的图像，通过所述neck网络中添加的1个上采样模块分别与所述主干网络中的所述第二特征的图像融合，得到待预测图像；在所述改进的yolov5s网络模型的预测网络中对所述待预测图像进行小麦小穗计数预测；基于预设评价指标，对所述待预测图像的预测结果进行评价。

7、优选的，所述预设评价指标为：

8、

9、式中，

10、

11、其中，ap为所述小穗种类中每一类别的识别准确率；map为所述小穗种类中全部类别的平均精度均值；

12、tp为所述小穗种类中每个类别的预测结果正确的框的数目；fp为所述小穗种类中每个类别的预测结果错误的框的数目；fn为所述小穗种类中将本类别预测为其它类别的框的数目；n为所述小穗种类的类别数。

13、优选的，所述对先获取的麦穗图像进行预处理，包括：对预先获取的麦穗图像依次进行切片及灰度化处理，并采用labelimg标注工具对灰度化处理后图像进行标注，并根据标注结果划分所述小穗种类，得到所述训练数据集。

14、本申请实施例还提供一种基于改进yolov5s的小麦小穗计数系统，包括：模型改进单元，配置为对yolov5s网络结构进行模块调整与层次优化，得到改进的yolov5s网络模型；模型训练单元，配置为对预先获取的麦穗图像进行预处理，得到所述改进的yolov5s网络模型的训练数据集，以对所述改进的yolov5s网络模型进行训练；计数预测单元，配置为根据预先划分的小穗种类，基于训练完成的改进的yolov5s网络模型，对小麦小穗进行计数预测。

15、有益效果：

16、本申请提供的基于改进yolov5s的小麦小穗计数的技术中，首先通过对yolov5s网络结构进行模块调整与层次优化，得到改进的yolov5s网络模型；然后，利用对预先获取的麦穗图像进行预处理，得到所述改进的yolov5s网络模型的训练数据集，以对所述改进的yolov5s网络模型进行训练；最后，根据预先划分的小穗种类，基于训练完成的改进的yolov5s网络模型，对小麦小穗进行计数预测。籍此，实现对大田环境下小麦小穗的快速计数预测，为大田中通过小麦小穗数量估测品质、估算产量等提供信息技术支持。

技术特征：

1.一种基于改进yolov5s的小麦小穗计数方法，其特征在于，包括：

2.根据权利要求1所述的基于改进yolov5s的小麦小穗计数方法，其特征在于，所述对yolov5s网络结构进行模块调整和层次优化，得到改进的yolov5s网络模型，包括：

3.根据权利要求2所述的基于改进yolov5s的小麦小穗计数方法，其特征在于，用transformer注意力机制模块代替所述yolov5s网络结构中c3模块中的bottleneck模块，得到所述c3tr模块。

4.根据权利要求2所述的基于改进yolov5s的小麦小穗计数方法，其特征在于，所述对所述改进的yolov5s网络模型进行训练，包括：

5.根据权利要求4所述的基于改进yolov5s的小麦小穗计数方法，其特征在于，所述预设评价指标为：

6.根据权利要求1所述的基于改进yolov5s的小麦小穗计数方法，其特征在于，所述对预先获取的麦穗图像进行预处理，包括：

7.一种基于改进yolov5s的小麦小穗计数系统，其特征在于，包括：

技术总结
本申请提供了一种基于改进YOLOv5s的小麦小穗计数方法和系统。该方法中，首先对YOLOv5s网络结构进行模块调整与层次优化，得到改进的YOLOv5s网络模型；对预先获取的麦穗图像进行预处理，得到所述改进的YOLOv5s网络模型的训练数据集，以对所述改进的YOLOv5s网络模型进行训练；根据预先划分的小穗种类，训练完成改进的YOLOv5s网络模型，以对小麦小穗进行计数预测。籍此，实现对大田环境下小麦小穗的快速计数预测，为大田中通过小麦小穗数量估测品质、估算产量等提供信息技术支持。

技术研发人员：时雷,温暖,孙嘉玥,王健,孙佳佳,吕海燕,熊蜀峰,刘亮亮,孙肖云,席磊,乔红波
受保护的技术使用者：河南农业大学
技术研发日：
技术公布日：2024/1/13