中國農業科學院茶葉研究所茶樹生態栽培創新團隊在茶樹芽葉檢測計數和茶葉產量估算研究方面取得新進展。相關研究結果以“A tea buds counting method based on YOLOv5 and Kalman filter tracking algorithm”為題發表在Plant Phenomics上。
茶葉產量估算為農民管理和采摘提供決策依據，但茶芽的人工計數費時費力且效率較低。本研究提出了一種基于深度學習的方法，通過使用增強的YOLOv5模型和壓縮與激勵網絡（Squeeze and Excitation Network，SENet）來高效檢測茶樹芽葉，所提出的方法結合了匈牙利匹配和卡爾曼濾波算法，實現了準確可靠的茶芽計數和產量估算。該模型在測試數據集上具有較高的茶芽檢測精度，模型在茶芽計數試驗中的應用表明測試視頻計數結果與人工計數結果高度相關，表明該計數方法具有較高的準確性和有效性。本研究將深度學習模型和跟蹤算法結合，提出了一種高效的茶芽計數方法，實現自然光下的茶芽檢測和計數，為茶芽檢測算法的優化和產量估算提供了新思路。
該研究得到了中國農業科學院科技創新工程和浙江省重點研發計劃等項目資助。我所李楊博士和浙江農林大學的馬蓉教授為該論文的共同第一作者，山東省農科院茶葉研究所董春旺研究員為該論文的通訊作者。
日期：2023-04-10
茶葉產量估算為農民管理和采摘提供決策依據，但茶芽的人工計數費時費力且效率較低。本研究提出了一種基于深度學習的方法，通過使用增強的YOLOv5模型和壓縮與激勵網絡（Squeeze and Excitation Network，SENet）來高效檢測茶樹芽葉，所提出的方法結合了匈牙利匹配和卡爾曼濾波算法，實現了準確可靠的茶芽計數和產量估算。該模型在測試數據集上具有較高的茶芽檢測精度，模型在茶芽計數試驗中的應用表明測試視頻計數結果與人工計數結果高度相關，表明該計數方法具有較高的準確性和有效性。本研究將深度學習模型和跟蹤算法結合，提出了一種高效的茶芽計數方法，實現自然光下的茶芽檢測和計數，為茶芽檢測算法的優化和產量估算提供了新思路。
該研究得到了中國農業科學院科技創新工程和浙江省重點研發計劃等項目資助。我所李楊博士和浙江農林大學的馬蓉教授為該論文的共同第一作者，山東省農科院茶葉研究所董春旺研究員為該論文的通訊作者。
日期：2023-04-10
