近日，茶葉研究所與中茶所、浙農(nóng)林在Plant Phenomics（中科院一區(qū)TOP，IF：6.961）聯(lián)合發(fā)表了題為“A tea buds counting method based on YOLOV5 and Kalman filter tracking algorithm”的研究論文。本研究提出一種基于深度學(xué)習(xí)的茶芽智能識(shí)別與計(jì)數(shù)方法，提升了芽葉智能檢測(cè)精度，解決了人工計(jì)數(shù)茶芽估產(chǎn)效率低的難題。茶葉所董春旺為論文通訊作者，中國(guó)農(nóng)科院茶葉所李楊為論文一作，浙農(nóng)林馬蓉為共同一作。文章鏈接：https://doi.org/10.34133/plantphenomics.0030

 

　　茶樹(shù)嫩芽的智能、精準(zhǔn)識(shí)別是實(shí)現(xiàn)茶園產(chǎn)量無(wú)損快速估算的關(guān)鍵，而傳統(tǒng)人工計(jì)數(shù)茶芽與產(chǎn)量估算存在勞動(dòng)強(qiáng)度大、效率低和時(shí)效性差的問(wèn)題。為了提高茶葉產(chǎn)量估算的效率，本研究團(tuán)隊(duì)將機(jī)器視覺(jué)與深度學(xué)習(xí)、跟蹤算法結(jié)合，提出了一種高效的茶芽計(jì)數(shù)方法，通過(guò)使用增強(qiáng)的YOLOv5算法和SENet （Squeeze and Excitation Network）構(gòu)建檢測(cè)模型，該模型的測(cè)試數(shù)據(jù)集平均檢測(cè)精度為91.88%，測(cè)試視頻計(jì)數(shù)結(jié)果與人工計(jì)數(shù)結(jié)果高度相關(guān)（R2 = 0.98），表明該計(jì)數(shù)方法具有較高的準(zhǔn)確性。本研究實(shí)現(xiàn)了自然光下的茶芽檢測(cè)和計(jì)數(shù)，為茶芽智能感知算法的優(yōu)化和產(chǎn)量估算提供了新思路。（撰寫(xiě)：祁丹丹   核稿：董春旺）