研发设计方案.pptx

研发（设计）方案日期：20xx-xx-xx

-播种实验台架机械结构01数据集的获取制作02工作原理及性能分析03目录Content

研发（设计）方案播种实验台架机械结构设计的播种实验台架如图1所示，主要由外槽轮排种器、种盒、传送带、传送带调速电机、图像采集相机、支架等组成。排种器固定在支架上，播种下落在传送带上，通过调整传送带转速来模拟机具行进速度，通过调整排种器转速来调节播种量

研发（设计）方案数据集的获取制作根据落种传送带运行速度，设置拍照间隔时间为2s，可保证传送带在设定的速度下，相机获得的照片无重复和重叠。进行播种性能检测时，首先启动传送带，待传送带转动稳定后启动排种器，排种器将种子从种箱中通过外槽轮导入排种管后落到传送带上种子图像的采集地点为扬州大学智能农机装备实验室，采集到不同条件下的图像，其中包括，强光、弱光、正常、模糊和含杂等多种情况，可以提高数据的多样性，提高模型的泛化能力，提高在不同环境下能进行播种质量检测的能力。经过后期对种子图像的筛选，选出图像1520张。Labelme标注工具对1520张图像进行标注，用水平矩形框将图像中的种子框出，对训练集与验证集采用4:1的比例进行划分，其中训练集1216张，验证集304张

研发（设计）方案理论设计计算本文采用播种均匀度、准确度和离散度为排种器的播种性能评价指标。播种均匀度本文采用播种均匀度、准确度和离散度为排种器的播种性能评价指标。播种均匀度U用于描述种子落在传送带上的均匀程度，在传送带上连续拍取5张种带的图像，其像素为1920×1080。U可表达成

研发（设计）方案式中：X为图像中种子粒数；X?为X的平均值；n为拍取的图像数；S为X的标准差。U值越大，代表播种的均匀性越好播种准确度μ是指落入种槽种子数与总排出种子数之比。一般播种机开种槽宽度5cm，播种实验台架的传送带宽度为20cm，通过相机位置精确标定，播种条带宽度与图像像素对应关系如图2所示，本文的播种准确度是指落在y方向像素为405~675内的种子数与图像内总种子数之比。μ可表达成

研发（设计）方案式中：m1为图像中规定像素范围内的种子数量；m2为图像中种子总数量。μ值越大，代表种子落在种槽内的准确程度越高，更有利于精确播种播种离散度V是指落入种槽的种子之间的分散程度，播种离散度会影响作物的后期生长，离散度越高，有利于作物根系发展。本文中的播种离散度是指种子在种槽宽度内的分散程度，在传送带上连续拍取5张种带的图像，其像素为1920×1080，将落在y方向像素为405~675内的种子通过算法定位，并记录下每粒种子与y方向像素值405所形成直线的距离yi。V可表达成

研发（设计）方案式中：y?为yi的平均值；S^为yi的标准差；n为落在y方向像素为405~675内的种子数。V值越大，代表播种的离散程度越高

研发（设计）方案工作原理及性能分析本试验主要是提高原始的YOLOv5s中识别精度，如图3，改进的YOLOv5s网络模型进行分析和验证。本研究主要在模型的主干网路中引入CABM模块，如图4，并在Neck层中将上采样的方式替换为CARAFE上采样，如图5。在保证参数量和计算量基本不增加的情况下，提高了模型精度，更加适合小麦种子的识别和后期模型的部署。基于改进YOLOv5s进行的消融试验，具体结果如表1所示

研发（设计）方案注：YOLOv5s表示原始网络；CBAM-YOLOv5s表示在YOLOv5s网络中修改主干网络；CARAFE-YOLOv5s表示在YOLOv5s网络中修改上采样模块；CC-YOLOv5s表示在YOLOv5s网络中同时修改上采样模块和主干网络；×表示不使用此模块；√表示使用此模块

研发（设计）方案CC-YOLOv5s模型能够准确识别出小麦种子的位置，有较高的置信度，且该模型形成的预测框能够识别出不同状态下的小麦种子，对于图中粘连的种子也能够准确的分离，且不存在漏检的情况，同时对含杂的小麦种子图片，也能清晰分出小麦种子和杂质，如表2综上可知，CC-YOLOv5s模型不但拥有最小的参数量和计算量，生成的模型权重最小，拥有最高的mAP精度，能够准确识别粘连的小麦种子，不存在缺检漏检的情况，且检测速度能满足实时检测的需求，因此，改进后的模型能够较好地满足识别小麦种子的需求，更适合轻量化的部署

-感谢您的观看Thanks