基于YOLO实例分割技术对兰州百合鳞茎的直径、质量和体积进行估算

《Scientific Reports》：Estimation of diameter, mass and volume of Lanzhou lily bulbs based on YOLO instance segmentation

　　

摘要

兰州百合是中国唯一栽培的甜百合品种，约占兰州农业总产值的20%。近年来，百合鳞茎的质量问题逐渐显现，如单瓣率下降和鳞茎萎缩等现象，因此快速准确地评估鳞茎的存活能力对于减缓这些问题至关重要。为了解决人工筛选的主观性和低效率问题，本研究提出了一种新的方法。该方法基于YOLOv8-seg实例分割模型，旨在高精度地预测百合鳞茎的质量、直径和体积。通过随机选取500个形态各异的百合鳞茎，使用手机拍摄其图像，并分别利用电子天平、数字游标卡尺和量筒获取真实数据（质量、直径、体积），构建了数据集。随后应用YOLOv8-seg模型对鳞茎进行实例分割，并通过OpenCV提取22个形态学特征。结合方差膨胀因子（VIF）、主成分分析（PCA）和互信息（MI），最终保留了三个关键预测因子。接着构建了六个机器学习模型来预测鳞茎的质量、直径和体积。实验结果表明，人工神经网络（ANN）模型具有最强的泛化能力。预测值与实际测量值之间的决定系数分别为：直径0.8478、体积0.9844、质量0.9981。ANN模型在测试集上的表现如下：直径预测的均方误差（MSE）为8.3175，平均绝对误差（MAE）为2.3019；体积预测的MSE为1.0912，MAE为0.7951；质量预测的MSE为0.3135，MAE为0.4318。该方法能够直接且快速地从RGB图像中预测鳞茎的直径、体积和质量，为农业从业者提供了一种高效可靠的鳞茎存活能力检测工具。