基于深度学习的高分辨率麦穗图像检测方法

作者：赵越; 卫勇; 单慧勇; 穆志民; **欣; 吴海云; 赵辉^*; 胡建龙

来源：中国农业科技导报, 2022, 24(09): 96-105.

DOI：10.13304/j.nykjdb.2021.0612

• 深度学习
• 目标检测
• 麦穗
• YOLOv4
• 实时检测

小麦是重要的粮食作物之一，针对人工田间麦穗计数及产量预测效率低的问题，基于深度学习提出了一种高分辨率的小密集麦穗实时检测方法。对麦穗图像数据集进行图像分割、标注、增强预处理，基于Tensorflow搭建YOLOv4网络模型，调整改进后对其进行迁移学习；与YOLOv3、YOLOv4-tiny、Faster R-CNN训练模型进行对比，对改进模型的实用性与局限性进行分析；重点分析影响麦穗检测模型性能的关键因素。通过图像分割的方式，证明了通过改变图像分辨率确定麦穗所占图像最优像素比，可以提高前景与背景差异，对小密集麦穗有显著效果。通过对改进模型的测试，表明该模型检测精度高，鲁棒性强。不同分辨率、不同品种、不同时期的麦穗图像均类平均精度（mAP）为93.7%，单张图片的检测速度为52帧·s-1，满足了麦穗的高精度实时检测。该研究结果为田间麦穗计数以及产量预测提供技术支持。

• 单位
  天津农学院