大豆茎秆相关表型自动检测方法研究

针对成熟期大豆植株中茎节数和茎粗表型的自动获取问题,将其分解为茎节识别、茎秆区域检测、茎节定位与排序、茎粗计算等若干子问题,提出一种融合目标检测、语义分割、路径规划等算法的茎秆表型自动检测方法。以A*寻径算法和目标检测算法为基础,实现了茎节自动检测与计数;以类比法、曲率法和最大内切圆法为基础,实现了茎粗自动检测与计算。针对成熟期植株中豆荚遮挡导致茎秆表型检测精度不佳的问题,在以YOLOv5s为基准的目标检测模型上融入坐标注意力机制,以增强对被遮挡茎节的关注,同时,针对豆荚密集导致的茎节误检问题,设计融合位置信息的过滤算法,将茎节检测任务的平均检测准确度(mAP)提升至93.2%,高于基准模型2.4百分点。使用语义分割模型识别茎秆区域,优化后的均交并比(mIoU)达82.6%。基于语义分割后的茎秆区域,对比3种茎粗检测方法,以最大内切圆法准确率最高。在实际植株样本图片上的检测结果表明,所提出的方法在茎节数和茎粗表型上的平均绝对误差分别为1.33个和0.99 mm,与人工测量的阈值要求基本相符,均方根误差分别为1.74和1.20,平均绝对百分比误差分别为8.96%和16.37%。