农业机械学报

作者：张帆，郭思媛，任方涛，张新红，李结平

单位：河南大学,河南大学,河南大学,河南大学,河南大学,

关键词：玉米叶片;气孔;深度学习;自动识别

基金：河南省自然科学基金项目（202300410092、202300410093）和河南省科技攻关计划项目（222102310090）

气孔是植物叶片与外界环境交换气体和水分的重要结构。针对现有气孔性状分析主要采用人工测量，过程繁琐、效率低下、容易出现人为误差的问题，本文采用YOLO（You only look once）深度学习模型完成了玉米叶片气孔的自动识别与自动测量工作。结合玉米叶片气孔数据集的特点，对YOLO深度学习模型进行了改进，有效地提高了气孔识别和测量的精确率。对YOLO深度学习模型中的预测端进行了优化，降低了误检率；同时，结合气孔特征对16倍、32倍下采样层进行简化，提高了识别效率。实验结果表明，改进后的YOLO深度学习模型在玉米叶片气孔数据集上识别精确率达到95%，参数测量的平均精确率达到90%以上。本文方法能够自动完成玉米叶片气孔的识别、计数与测量，解决了传统气孔分析方法的低效率问题，为农业科学家、植物学家开展植物气孔分析研究提供了技术支撑。

来源：2023年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第2期