农业机械学报

作者：杨蜀秦，刘江川，徐可可，桑雪，宁纪锋，张智韬

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：玉米雄蕊;无人机遥感;目标检测;深度学习;CenterNet

基金：国家重点研发计划项目(2017YFCO403302)和杨凌示范区科技计划项目（2020-46）

为准确识别抽雄期玉米雄蕊实现监测玉米长势、植株计数和估产，基于无锚框的CenterNet目标检测模型，通过分析玉米雄蕊的尺寸分布，并在特征提取网络中添加位置坐标，从而提出一种改进的玉米雄蕊识别模型。针对雄蕊尺寸较小的特点，去除CenterNet网络中对图像尺度缩小的特征提取模块，在降低模型参数的同时，提高检测速度。在CenterNet特征提取模型中添加位置信息，提高定位精度，降低雄蕊漏检率。试验结果表明，与有锚框的YOLO v4、Faster R-CNN模型相比，改进的CenterNet雄蕊检测模型对无人机遥感影像的玉米雄蕊识别精度达到92.4%，分别高于Faster R-CNN和YOLO v4模型26.22、3.42个百分点；检测速度为36f/s，分别比Faster R-CNN和YOLO v4模型高32、23f/s。本文方法能够准确地检测无人机遥感图像中尺寸较小的玉米雄蕊，为玉米抽雄期的农情监测提供参考。

来源：2021年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第9期