本发明涉及农业种植,尤其涉及一种油菜产量估计方法与装置。
背景技术:
1、油菜作为世界第二大油料作物,在世界范围内被广泛种植。油菜具有很高的经济价值,在为人类提供食用油、制作生物柴油以及动物饲料等方面发挥着重要的作用。精确估计油菜的产量对于农业管理、市场预测和政府决策具有重要意义。
2、目前在生产上估计油菜产量采用理论测产的方法,即:每一块地取3-5个点,每个点取1m2大小,由人工数出总角果数,主花序的上中下各取3个角果,人工数出角果的籽粒数,然后用天平测量籽粒的千粒重,最后将角果数量、角果籽粒数量、籽粒的千粒重三个值相乘,再用打折的方式(一般6折到8.5折)去除误差和病虫害后,最终得到理论产量。然而,该方式主要依赖人工统计和记录,不仅存在较大的误差和不一致性,而且耗时耗力,导致估产时产量误差较大。
3、因此,亟需一种针对角果及角果籽粒计数的快速统计方法,以提升油菜产量估计准确度和效率。
技术实现思路
1、本发明提供一种油菜产量估计方法,用以解决现有技术中油菜产量估计效率低、精度低的缺陷。
2、本发明提供一种油菜产量估计方法,包括:
3、获取成熟后期的油菜角果籽粒图像,并对其进行图像增强,得到增强后的油菜角果籽粒图像;
4、根据所述增强后的油菜角果籽粒图像训练yolov5模型,得到训练好的角果籽粒计数模型;
5、获取成熟后期的油菜植株图像,并对其进行图像增强,得到增强后的油菜植株图像;
6、根据所述增强后的油菜植株图像训练模型,得到训练好的油菜角果计数模型;
7、将待估田块取样的油菜角果籽粒图像输入所述训练好的角果籽粒计数模型,预测得到每个角果对应的籽粒数量;
8、将待估产田块取样的油菜植株图像输入所述训练好的油菜角果计数模型,预测得到每棵植株对应的角果数量;
9、根据所述待估产田块油菜样本的籽粒千粒重、每个角果对应的籽粒数量、以及每棵植株对应的角果数量和田块植株总数,确定待估产田块的油菜产量。
10、根据本发明提供的一种油菜产量估计方法,所述获取成熟后期的油菜角果籽粒图像,并对其进行图像增强包括:
11、利用油菜角果透光的特点,批量拍摄油菜角果籽粒图像,标注所有油菜角果籽粒图像;对标注后的油菜角果籽粒图像进行数据增强;所述数据增强包括:对油菜角果籽粒图像进行旋转、垂直、水平镜像、0.1至4倍的线性插值缩放、图像高斯模糊。
12、根据本发明提供的一种油菜产量估计方法,所述获取成熟后期的油菜植株图像,并对其进行图像增强包括:
13、将成熟后期的油菜植株拆分为若干小分支,批量拍摄植株分支图像,并在植株分支图像上标注所有角果的尖喙区域图像,并利用标注后的图像进行数据增强。
14、根据本发明提供的一种油菜产量估计方法,所述根据所述增强后的油菜角果籽粒图像训练yolov5模型包括:
15、对标注后的角果籽粒图像进行数据增强,得到增强后的角果籽粒图像数据集;将所述数据集划分为训练集、验证集和测试集;
16、根据训练集的标注区域,应用cspdarknet53网络提取识别目标的颜色、纹理,应用k-means算法生成anchor boxes,根据候选框和真实框之间的匹配关系计算目标检测的损失值,根据损失值计算得到的梯度信息,根据梯度信息进行反向传播,并更新模型的参数。
17、根据本发明提供的一种油菜产量估计方法,训练yolov5模型还包括:
18、通过多轮训练迭代来不断调整模型的参数,以优化精确率p、召回率r和f1分数为目标,完成yolov5模型的训练与验证,其公式如下:
19、
20、
21、
22、其中tp、fp和fn分别表示正确识别的目标、错误识别的目标和未能识别的目标。
23、根据本发明提供的一种油菜产量估计方法,所述获取成熟后期的油菜角果籽粒图像包括:
24、利用角果籽粒图像获取装置拍摄图像;该装置包括:亚克力板、背光板、拍照箱以及智能平板;
25、所述亚克力板中间留有10条13.7*0.7cm的空隙,该空隙用于放置角果;所述背光板为色温6000k的标准光环境,用于对角果进行透光处理;
26、将所述智能平板放置于拍照箱上拍摄角果内的籽粒图像,用于拍摄的角果数量不少于500个。
27、本发明还提供一种油菜产量估计装置,包括:
28、获取单元,用于获取成熟后期的油菜角果籽粒图像,并对其进行图像增强,得到增强后的油菜角果籽粒图像;
29、训练单元,用于根据所述增强后的油菜角果籽粒图像训练yolov5模型,得到训练好的角果籽粒计数模型;
30、所述获取单元,还用于获取成熟后期的油菜植株图像,并对其进行图像增强,得到增强后的油菜植株图像;
31、所述训练单元,还用于根据所述增强后的油菜植株图像训练模型,得到训练好的油菜角果计数模型;
32、预测单元,用于将待估田块取样的油菜角果籽粒图像输入所述训练好的角果籽粒计数模型,预测得到每个角果对应的籽粒数量;
33、所述预测单元,还用于将待估产田块取样的油菜植株图像输入所述训练好的油菜角果计数模型,预测得到每棵植株对应的角果数量;
34、估计单元,用于根据所述待估产田块油菜样本的籽粒千粒重、每个角果对应的籽粒数量、以及每棵植株对应的角果数量和田块植株总数,确定待估产田块的油菜产量。
35、本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述油菜产量估计方法。
36、本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述油菜产量估计方法。
37、本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述油菜产量估计方法。
38、本发明提供的油菜产量估计方法与装置,通过采用标准光环境拍照方式批量获取油菜角果及其籽粒的图像,基于人工标注,应用yolov5目标检测算法构建油菜角果及其籽粒计数模型,通过计数模型统计油菜角果及其籽粒的数量,最后再结合油菜籽粒的千粒重,最终统计估计出油菜产量。该方法能够减少油菜产量评估工作中的人工操作和时间,提高了油菜产量估计数据的效率和可靠性。
39、本发明基于yolov5模型分别训练得到角果籽粒计数模型、油菜角果计数模型,并利用所述角果籽粒计数模型、油菜角果计数模型统计油菜田块的产量具有以下特殊优势:
40、1.快速高效:yolov5使用了一种轻量级的模型结构,使得它在目标检测任务上能够实现更快的推理速度,从而可以实现实时检测油菜角果籽粒数量及角果数量。
41、2.精度较高:yolov5在保持较快推理速度的同时,能够更准确地定位和识别目标,减少漏检和误检的情况,从而可以较为良好地识别出油菜籽粒数及角果数。
42、3.易于训练和部署:yolov5的设计注重简洁性和易用性,提供了简单的训练流程和部署选项。通过使用开源的pytorch框架,可以方便地进行模型训练和定制,并快速部署到不同平台和设备上。可以将本发明中训练好的模型部署至不同的平台和设备上(诸如android、ios、pc、linux、web等平台)对油菜的产量进行估计。