摘要
目前田间玉米雄穗数量监测主要依靠人工进行,效率低且易出错。为了实现在复杂的田间环境下对玉米雄穗自动识别和计数的任务,使用无人机平台和田间作物表型高通量获取平台采集的田间玉米顶视图像构建数据集,使用Resnet 50作为新的特征提取网络代替原始的VGG 16来优化Faster R-CNN模型。再根据表型平台所获取的高时序、连续图像,进一步使用改进后的模型对试验小区内玉米抽穗期前后20 d的雄穗数量进行监测,以此为依据进行抽穗期判定。该方法在田间作物表型高通量平台获取的图像数据测试集中类平均精度为90.14%,平均绝对误差为4.732 8;在无人机平台获取的图像数据测试集中类平均精度为82.14%,平均绝对误差为9.694 8。试验结果表明:该模型在田间作物表型高通量获取平台上的检测结果优于无人机平台,且具备一定的应用价值。
-
单位国家农业信息化工程技术研究中心; 北京农业信息技术研究中心; 上海海洋大学