一种玉米雄穗识别系统

本发明属于玉米雄穗识别，具体为一种玉米雄穗识别系统。

背景技术：

1、玉米是世界上最重要的谷类作物之一。玉米抽雄期是决定玉米产量最关键的时期，雄穗是判断玉米是否进入抽雄期的主要依据。同时，玉米种植在制种及大田生产过程中，都涉及到去雄。有研究表明，玉米去雄能带来杂交优势、增产、抗倒伏等多种优势。因此，持续监测玉米雄穗的生长可以确保玉米的安全性、质量和单产。传统育种中，雄穗主要依靠人为识别，效率低下，主观成分高，识别的样本量有限。无人机遥感因其具备机动性强和成像分辨率高等特点，为检测抽雄期玉米雄蕊提供了一种有效的途径。深度学习算法已被广泛用于计数茎、幼苗数和小麦穗数。玉米雄穗的早期检测算法是利用支持向量机方法对图像进行分割。

2、但是，图像捕获过程的吞吐量较低，劳动强度大，无法应用于更大的领域。前人开发了mtassle软件，以自动细粒度机器视觉系统监视玉米雄穗性状的不同阶段，并提出了tasselnet对玉米雄穗进行计数，但样本数量仍然有限，衡量不同模型的性能这一问题也一直被遗忘。

3、因此，快速准确地鉴定对于更好地了解玉米的表型特征非常重要。同时，及时、准确地预测粮食产量，对掌握区域内作物生长状况、指导农业生产及制定粮食政策也具有重要意义。

技术实现思路

1、本发明的目的在于：为了解决上述提出的问题，提供一种玉米雄穗识别系统。

2、本发明采用的技术方案如下：一种玉米雄穗识别系统，所述玉米雄穗识别系统包括系统软件主界面模块、系统登录界面模块和综合检测模块和打开输出文件夹模块；

3、综合检测模块的内部设置有：图片检测模块、摄像头检测模块、视频检测模块；

4、系统登录界面模块打开软件会进入到登录界面；

5、图片检测模块在使用时在成功登录后，系统会自动跳转至主页面。先点击“选择模型”，选择‘yolov5s’或者‘yolov5x’训练的模型进行目标检测，再点击“加载数据”会跳转到文件管理中，选择需要识别的图片，即可获得识别后的效果；

6、摄像头检测模块使用时点击左上角“摄像头检测”，会打开配置好的摄像头，将摄像头对准需要识别的玉米雄穗上，即可获得识别后的效果；

7、视频检测模块使用时先点击“选择模型”，选择‘yolov5s’或者‘yolov5x’训练的模型进行目标检测，再点击“加载数据”会跳转到文件管理中，选择需要识别的视频，即可获得识别后的效果；

8、打开输出文件夹模块使用时在图片、摄像头或视频识别结束后，点击左下角的“打开输出文件夹”，会跳转到文件管理界面，即可查看结果

9、在一优选的实施方式中，所述系统软件主界面模块使用qtdesigner开发本软件的图形化界面；

10、qt是一个跨平台的c++应用程序开发框架，拥有强大的图形界面开发能力。qt用于开发具有图形用户界面的应用程序，qtdesigner是其提供的众多工具之一，可简化为基于qt的应用程序创建用户界面的过程。qt提供了丰富的图形界面元素和小部件，从基本的按钮、文本框和标签到高级的图表、表格和绘图工具，以及支持3d图形和opengl。这些小部件可以帮助开发者创建各种复杂的用户界面。qtdesigner是qt应用程序开发框架的一部分，是一个用于创建图形用户界面(gui)的设计工具。pyside2可以让我们通过python语言使用qt。pyside2库是本软件“玉米雄穗识别系统”的主要开发工具，在安装与配置环境后，可以使用qtdesigner开发本软件的图形化界面。

11、在一优选的实施方式中，所述系统登录界面模块使用opencv开源计算机视觉库进行开发，旨在提供一套广泛用于图像处理和计算机视觉任务的工具和函数。opencv最初由英特尔开发，后来成为开源项目，现在由一个活跃的社区维护和发展。它支持各种编程语言，包括c++，python和java，并可以在windows，linux和mac os等操作系统上运行。

12、在一优选的实施方式中，所述opencv库提供了许多功能和算法，包括图像处理，特征检测，目标识别，物体跟踪，人脸检测和识别，机器学习等等。它还支持各种计算机视觉任务，如特征检测、特征匹配、对象识别、目标跟踪、人脸识别、手势识别等。这使得opencv在图像识别、机器视觉和自动化等领域非常有用。

13、在一优选的实施方式中，所述opencv的优势在于它是一个开源软件库，具有高度的灵活性和可定制性。它的社区支持和贡献也非常活跃，不断推出新的功能和改进，它的开源性质和丰富的功能使其成为研究、教育和商业项目中的首选工具。

14、在一优选的实施方式中，所述视频检测模块内部的yolov5是一种用于目标检测的深度学习算法，可以检测输入图像中的多个目标，并提供其位置和类别信息。yolov5在保持准确性的同时，具有实时性能，能够以很高的帧率进行目标检测，适用于实时应用，如自动驾驶、实时视频监控等。而且，yolov5支持多种不同的模型大小(如yolov5s、yolov5m、yolov5l、yolov5x)，使开发者可以根据应用的需求选择适合的模型。该算法能够在不同的尺度下进行目标检测，这有助于检测不同大小的目标，并提高了检测性能；

15、yolov5是一种高性能、实时的目标检测算法，具有轻量化设计，适用于各种应用领域，并且容易部署。其实时性能和准确性使其成为许多计算机视觉和深度学习项目的有力工具。本系统主要基于yolov5算法进行设计。

16、在一优选的实施方式中，所述视频检测模块会用到mysql数据库；mysql是一个开源的关系型数据库管理系统，它是最流行和广泛使用的数据库之一。mysql是一个关系型数据库管理系统，它使用表格(表)来存储数据，表之间可以建立关系，使得数据之间的关联和查询变得更加容易。除此之外，mysql经过高度优化，具有出色的性能，能够处理大型数据集和高并发访问。它支持多线程处理、缓存管理和查询优化等功能，以提高性能。

17、mysql提供了强大的安全性功能，包括用户身份验证、权限管理和数据加密，以帮助保护敏感数据。它是一个功能强大、可靠性高、成本效益良好的数据库管理系统，适用于各种规模的应用程序和项目。它的开源性质和广泛的支持使其成为许多开发者和组织的首选数据库选择。

18、综上所述，由于采用了上述技术方案，本发明的有益效果是：

19、1、本发明中，采用图像识别技术，可以帮助农民更加快速、准确地识别玉米雄穗的状况，从而及时采取措施，避免病虫害的扩散和危害。同时，该系统能够实现实时监测和预警，帮助农民及时了解农作物的生长状况，提高农作物的生产效率。

20、2、本发明中，本系统具有操作简单、功能强大、可靠性高等优点，可作为玉米机械化去雄研究的前期基础，检测玉米雄穗数量和生长状况，降低劳力成本，促进农业向自动化、智能化、规模化方向发展。

21、3、本发明中，能够实现图片、视频和摄像头实时识别玉米雄穗，快速准确地检测玉米雄穗的表型特征，为玉米抽雄期的农情监测提供参考。同时，利于农田管理人员掌握区域内作物生长状况，制定粮食政策，对产量预估也有一定的指导作用。