基于无锚框YOLO检测网络的麦穗检测方法

作者：路乔宽; 张惊雷^*

来源：山东农业大学学报(自然科学版), 2022, 53(05): 796-802.

• 无锚框
• 麦穗检测方法
• 图像识别

小麦产量可由单位面积的小麦麦穗总数估算得出。基于采集小麦图像序列特征并进行检测的方法受光照等因素影响大，检测精度不高。为准确定位麦穗位置，估计麦穗数量，引入深度卷积神经网络进行麦穗检测工作。针对麦穗比例多样，先验锚框设定无法完美契合的弊端，舍弃了目标检测网络中常用的矩形先验锚定框（anchor），提出了一种基于YOLO框架的无锚框（anchor-free）麦穗目标检测方法。采用CSPDarkNet53作为特征提取网络，中间层采用特征图金字塔网络结构FPN(Feature Pyramid Networks)设计特征处理模块，增大感受野并提取图像的多尺度信息，获得融合高低层语义信息的特征图，后端采用FoveaBox式无锚框检测器完成目标检测。在WEDD与GWHD两个不同分辨率的公开麦穗数据集上测试表明，该网络的检测平均精度AP值相较于YOLOv4网络分别提升了8.81%和1.69%，并在GWHD数据集上帧率达到36FPS。本算法能够实时有效地进行麦穗精确检测，为后续小麦估产、育种等创造了条件。

• 单位
  自动化学院; 天津理工大学