基于深度学习的田间麦穗检测

摘要：

大田小麦麦穗识别是小麦估产的重要环节,准确快速的麦穗检测识别是产量估算的前提.利用深度学习技术识别大田图像中的麦穗,可以大幅提高麦穗计数的效率.针对大田小麦植株互相遮挡和光照不均等问题,本文将通道注意力模块添加到PPYOLO网络中,构建了注重检测精度和检测速度相平衡的麦穗检测网络PPYOLO-SE,并将该网络与原PPYOLO网络、SSD、YOLOv3和Faster-RCNN网络进行对比试验,PPYOLO-SE模型检测精度为95.75％,每幅图像检测时间0.6s,优于上述其他网络,验证了 PPYOLO-SE模型的有效性.本研究提高了小麦麦穗识别环节的准确性和效率,降低了劳动成本,为田间小麦的自动化管理提供参考.

关键词：麦穗检测、图像增强、产量评估、深度学习

所属期刊栏目：53

分类号：TP399(计算技术、计算机技术)

资助基金：山东省重大科技创新工程项目;山东省农业重大应用技术创新项目

在线出版日期：2023-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：790-795