个人卖家：
科技与几何感
创建于：2025-08-24
| 使用环境 |
使用4通道（RGB + NIR）多光谱相机，镜头距离玉米种子50cm，平行于玉米种子拍摄，采用白光LED环形灯、近红外环形灯和白色背光板增强图像对比度。 |
| 使用对象 |
玉米种子（包括外观无缺陷的玉米种子和有缺陷的玉米种子，缺陷类型如霉变、虫蛀或机械损伤、变色） |
| 使用目的 |
通过检测玉米种子的缺陷情况，实现对玉米种子质量的快速、准确评估，提高玉米种子质量检测的效率和准确性 |
| 输入数据 |
RGB图像帧、近红外（NIR）图像帧 |
| 输出数据 |
玉米种子质量检测结果（缺陷种子或无缺陷种子） |
| 硬件配置 |
CPU：Intel（R）Core（TM）i5 - 9400f，主频2.90GHz；GPU：GeForce GTX 1660，显存6G；内存：6G；多光谱相机（4通道，RGB + NIR），分辨率为1296×964，8位每通道；白光LED环形灯、近红外环形灯、白色背光板 |
| 样本获取 |
采集2365粒玉米种子（包含无缺陷种子和有缺陷种子）的RGB和NIR图像，其中1066粒无缺陷种子图像和1042粒有缺陷种子图像用于训练集，257粒既有缺陷种子又有无缺陷种子的图像用于验证集 |
| 测试结果 |
对验证集进行测试，平均准确率为95.63%，平均召回率为95.29%，F1值为95.46% |
| 执行速度 |
单粒玉米种子检测时间68ms |
| 资源消耗 |
使用该硬件配置，运行算法时，CPU计算占比平均约60%，内存使用占比50% |
| 源码类型 |
Python版本源码 |
| 文件大小 |
算法程序文件23K，权重文件22M |
| 相关备注 |
此算法已通过全面、严格的测试，各项性能指标均达到发布标准，适合在实际应用中广泛使用，为玉米种子质量检测提供准确、稳定的技术支持。 |
