摘要
本申请实施例提供一种基于深度学习的野生稻耐盐性智能评价方法及系统，该方法包括：S1：获取野生稻，采集所述野生稻图片并制作数据集；S2：利用所述数据集训练改进YOLOv8‑seg模型，获取野生稻耐盐性智能评价模型ST‑YOLO，改进措施包括：构建C2f‑DBB模块模块替换C2f模块中的卷积层、引入卷积和注意力融合模块CAFM以及使用可变形卷积和空间信息增强模块设计空间金字塔池化层；S3：利用所述ST‑YOLO模型对输入图像进行实例分割，输出单株野生稻叶片的绿叶像素数、黄叶像素数及总叶片像素数目；S4：基于所述像素数目获取所述野生稻的耐盐等级。该方法通过改进YOLOv8‑seg模型，提升特征提取与融合能力，实现自动化耐盐等级评价，精度高且实时性强，助力种质筛选。
