基于深度学习的玉米植株表型检测方法研究

作者：杨琳琳; 别书凡; 王建坤; 皇甫懿; 刘焱; 李文峰; 施杰^*

来源：江苏农业科学, 2023, 51(19): 165-172.

DOI：10.15889/j.issn.1002-1302.2023.19.025

• 玉米
• 植株表型
• 深度学习
• 数据不均衡
• 无损检测

为了实现单株玉米植株表型的快速无损检测，提出了一种基于深度学习的玉米植株表型检测方法。采集玉米植株表型数据集(包含多视角玉米植株图像和人工测量的鲜质量、干质量、叶面积表型数据),采用大步距卷积、resize降尺寸和大步距池化层降采样3种方法进行图像降采样，减少了模型计算消耗的资源，降低了图像的尺寸，并对比普通卷积、深度卷积、深度可分离卷积3种卷积的效果。改进了均方误差(MSE)和平均绝对误差(MAE),对不同数据量的样本区间给予不同的权重，解决了小型数据集存在的数据不均衡问题。在对比试验中，首先构建鲜质量表型检测模型，然后将表现较好的模型在干质量与叶面积模型中试验，筛选出对应的最优模型。结果显示，基于深度卷积和B-MSE损失函数的模型在玉米植株鲜质量、干质量、叶面积上的效果都最优。其中，深度卷积的效果最好。改进后的B-MSE和B-MAE在玉米鲜质量3个模型测试集上的相关系数r均达到了0.98以上，确定系数R2均达到了0.97以上，平均绝对百分比误差MAPE均在3.2%以内，在干质量与叶面积模型上也提高了测试集上的相关系数r和确定系数R2,并且降低了MAPE。

• 单位
  云南农业大学; 机电工程学院