中國農(nóng)業(yè)科學院茶葉研究所茶樹生態(tài)栽培創(chuàng)新團隊在茶樹芽葉檢測計數(shù)和茶葉產(chǎn)量估算研究方面取得新進展。相關(guān)研究結(jié)果以“A tea buds counting method based on YOLOv5 and Kalman filter tracking algorithm”為題發(fā)表在Plant Phenomics上。

 

　　茶葉產(chǎn)量估算為農(nóng)民管理和采摘提供決策依據(jù)，但茶芽的人工計數(shù)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(wǎng)絡(luò)（Squeeze and Excitation Network，SENet）來高效檢測茶樹芽葉，所提出的方法結(jié)合了匈牙利匹配和卡爾曼濾波算法，實現(xiàn)了準確可靠的茶芽計數(shù)和產(chǎn)量估算。該模型在測試數(shù)據(jù)集上具有較高的茶芽檢測精度，模型在茶芽計數(shù)試驗中的應(yīng)用表明測試視頻計數(shù)結(jié)果與人工計數(shù)結(jié)果高度相關(guān)，表明該計數(shù)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(jié)合，提出了一種高效的茶芽計數(shù)方法，實現(xiàn)自然光下的茶芽檢測和計數(shù)，為茶芽檢測算法的優(yōu)化和產(chǎn)量估算提供了新思路。

 

　　該研究得到了中國農(nóng)業(yè)科學院科技創(chuàng)新工程和浙江省重點研發(fā)計劃等項目資助。我所李楊博士和浙江農(nóng)林大學的馬蓉教授為該論文的共同第一作者，山東省農(nóng)科院茶葉研究所董春旺研究員為該論文的通訊作者。