本研究提出了一种基于改进的YOLOv5s目标检测算法和Siam RPN++目标跟踪算法的排种器性能评估方法，以实现对排种器性能的视觉检测和评估。具体来说，通过优化YOLOv5s来记录相邻下落种子之间的时间差，以准确评估不同地速下的性能指标；并通过Siam RPN++实现排种器腔内种子的轨迹跟踪，提高预测精度。实验结果表明，种子识别的准确率和召回率分别达到98.5%和99.2%，种子跟踪的成功率、准确率和Pnorm分别为63.3%、71.2%和75.5%。在10至18公里每小时的作业速度条件下，排种器性能评估结果与高速摄影统计数据基本一致，排种器合格指数指标误差小于3.3%。
该研究由南京农业大学工学院高筱钧副教授为通讯作者，西北农林科技大学机械与电子工程学院研究生赵鹏飞为第一作者，其他作者包括研究生吴晓鹏和程宏烨，以及2024级研究生施雨洁，2022级本科生杨皓天。农业装备技术全国重点实验室刘忠军正高级工程师、云南师范大学能源与环境科学学院赖庆辉教授和南京农业大学李骅教授指导了该项工作。研究得到了国家自然科学基金项目、国家重点研发计划青年科学家项目、农业装备技术全国重点实验室开放课题基金和中央高校基本科研业务费专项资金的资助。
