山东省农业科学院茶叶研究所在茶园芽叶智能识别与计数估产方面取得新进展

　　近日，茶叶研究所与中茶所、浙农林在Plant Phenomics（中科院一区TOP，IF：6.961）联合发表了题为“A tea buds counting method based on YOLOV5 and Kalman filter tracking algorithm”的研究论文。本研究提出一种基于深度学习的茶芽智能识别与计数方法，提升了芽叶智能检测精度，解决了人工计数茶芽估产效率低的难题。茶叶所董春旺为论文通讯作者，中国农科院茶叶所李杨为论文一作，浙农林马蓉为共同一作。文章链接：https://doi.org/10.34133/plantphenomics.0030

 

　　茶树嫩芽的智能、精准识别是实现茶园产量无损快速估算的关键，而传统人工计数茶芽与产量估算存在劳动强度大、效率低和时效性差的问题。为了提高茶叶产量估算的效率，本研究团队将机器视觉与深度学习、跟踪算法结合，提出了一种高效的茶芽计数方法，通过使用增强的YOLOv5算法和SENet （Squeeze and Excitation Network）构建检测模型，该模型的测试数据集平均检测精度为91.88%，测试视频计数结果与人工计数结果高度相关（R2 = 0.98），表明该计数方法具有较高的准确性。本研究实现了自然光下的茶芽检测和计数，为茶芽智能感知算法的优化和产量估算提供了新思路。（撰写：祁丹丹   核稿：董春旺）