基于无人机图像和贝叶斯CSRNet模型的粘连云杉计数

作者：朱学岩; 张新伟; 才嘉伟; 郑一力; 顾梦梦; 陈锋军^*

来源：农业工程学报, 2022, 38(14): 43-319.

• 无人机
• 模型
• 苗木计数
• 贝叶斯CSRNet
• CSRNet
• 粘连苗木
• 云杉

自动、准确且快速地统计苗木数量是实现苗圃高效管理的重要基础。针对现有苗木计数方法准确率较低且无法准确统计粘连苗木等问题，该研究提出了一种基于贝叶斯CSRNet模型的云杉计数模型。该模型以对粘连苗木具有良好稳定性的CSRNet模型为基础，引入贝叶斯损失函数，以人工标注的点标签数据作为监督信号。以1 176幅云杉图像训练贝叶斯CSRNet模型，并通过166幅测试集云杉图像进行测试。结果表明，贝叶斯CSRNet模型可以准确、快速地统计无人机航拍图像内的云杉，对测试集图像内云杉的平均计数准确率（Mean Counting Accuracy,MCA）、平均绝对误差（Mean Absolute Error,MAE）和均方误差（Mean Square Error,MSE）分别为99.19%、1.42和2.80。单幅云杉图像耗时仅为248 ms，模型大小为62 Mb。对比YOLOv3模型、改进YOLOv3模型、CSRNet模型和贝叶斯CSRNet模型对166幅测试集云杉图像的计数结果，贝叶斯CSRNet模型的MCA分别比YOLOv3模型、改进YOLOv3模型、CSRNet模型高3.43%、1.44%和1.13%;MAE分别低6.8、2.9和1.67;MSE分别低101.74、23.48和8.57。在MCT(Mean Counting Time)和MS(Model Sizel)两项指标上，贝叶斯CSRNet模型与CSRNet模型相同且优于YOLOv3模型和改进YOLOv3模型。贝叶斯CSRNet模型可实现无人机航拍图像内苗木数量的自动、准确、快速统计，为苗木库存智能盘点提供参考。

• 单位
  北京林业大学