买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：黑龙江八一农垦大学

摘要：本发明的一种基于改进Mask2YOLO网络的玉米冠层器官识别方法及冠层表型检测方法，第一级网络由Mask2Former构成，第二级网络为嵌入了动态蛇形卷积和混合局部通道注意力模块的改进YOLOv8网络。首先，采集自然环境下的玉米植株作为本研究的数据集。其次，利用第一级网络将玉米冠层从复杂的自然背景中分离，再利用第二级网络对冠层器官进行识别。并使用建立的二维坐标系和本申请提出的表型参数检测算法分别对玉米的表型参数进行检测。本发明的的玉米冠层器官识别方法及冠层表型检测方法，对图像特征的提取能力增强，对多尺度图像的适应性较好，对小目标的注意力得到明显提高，具有检测速度快、精度高，准确率高，能够准确快速地识别玉米冠层器官形态。

主权项：1.基于改进Mask2YOLO网络的玉米冠层器官识别方法，包括下列步骤：一样本数据采集：在玉米灌浆期，取987张包含完整玉米冠层作为数据集，其中846张图片作为训练集，141张图片做为测试集，并使用标注平台roboflow对图像中的玉米植株进行标注处理；二样本数据增强：对步骤一标注后的846张训练集图像随机进行应用水平和垂直翻转、随机旋转、随机饱和度、随机亮度、随机曝光、加入噪声、随机剪切、模糊处理任何一种的方法进行增强，全部处理完成后，获得增强后的图像846张，将增强后的图像加入训练集后，训练集共包含1692张图像；三构建Mask2Former一级模型将数据增强后的图片，采用Mask2Former神经网络对其图像进行玉米植株冠层的实例分割得到图像I；所述的Mask2Former神经网络包括特征提取模块、Pixel-level模块、Transformer模块和Segmentation模块；四构建DSM-YOLOv8二级模型在YOLOv8网络的Backbone部分引入了动态蛇形卷积模块2-C2f_DSC、4-C2f_DSC、6-C2f_DSC、8-C2f_DSC，在Head部分引入了混合局部通道注意力模块MLCA，并将其放置在小检测头之前，经过上述融合过程后的新网络DSM-YOLOv8；五、玉米冠层器官识别将步骤四得到的图像I输入到步骤五构建的DSM-YOLOv8模型中，即可进行玉米冠层器官识别，得到植株器官边界，其中，距离输入图片左边距最小的检测框边上的点Wl的横坐标为xleft，距离输入图片右边距最小的检测框边上的点Wr的横坐标为xright，距离输入图片上边距最小的检测框边上的点Hu的纵坐标为yupper，距离输入图片下边距最小的检测框的中心点Hu的纵坐标为ylower。

全文数据：

权利要求：

百度查询： 黑龙江八一农垦大学 基于改进Mask2YOLO网络的玉米冠层器官识别方法及冠层表型检测方法