摘要
本发明提供了一种基于关键点检测的花生荚果DUS性状量化方法,包括关键点检测网络模型、关键点校正算法和荚果DUS性状量化算法三部分;能够对花生荚果关键部位的精准定位,实现花生新品种的荚果主要DUS性状的精准量化和自动化测量。特别的,在关键点检测网络模型中,通过在主干网络中引入可变形卷积来实现特征自适应提取,在颈部网络中引入轻量级上采样算子来保留多层特征的语义和空间信息,提升了模型性能。在荚果关键DUS性状量化中,通过量化算法对荚果的关键DUS性状进行测量,包括果嘴明显程度和果腰缢缩程度,实现对花生荚果DUS性状的自动量化和评估,揭示不同品种之间的表型性状差异,为花生新品种鉴定提供一种有效的方案。
技术关键词
花生荚果
关键点
注意力机制
空洞
检测网络模型
输出特征
模块
分支
图像校正
金字塔
轮廓
花生新品种
多尺度特征提取
检测头
阈值化方法
多尺度信息
全局平均池化
系统为您推荐了相关专利信息
融合注意力机制
历史气象数据
气象预测方法
时间序列特征
空间特征提取
融合系统
远光灯控制方法
矩阵式大灯
跨模态
生成高分辨率
多尺度注意力机制
时间序列预测方法
人工智能技术
编码
矩阵
模型训练方法
多模态融合技术
图像拼接
风格
多头注意力机制
隧道
监测方法
长短期记忆网络
门控循环单元
混合深度学习模型