农业机械学报

作者：马中杰，罗晨，骆巍，王利锋，冯晓，李会勇

单位：河南省农业科学院,河南省农业科学院,河南省农业科学院,河南省农业科学院,河南省农业科学院,河南省农业科学院,

关键词：种质资源;玉米雄穗;目标检测;无人机;可见光影像;YOLO v7-tiny

基金：国家重点研发计划项目(2022YFF0711805、2021YFD1200701)、河南省科技攻关计划项目（232102110213、242102110372、242102110356）和河南省农业科学院自主创新专项基金项目（2023ZC070）

针对玉米种质资源遗传多样性丰富导致雄穗大小、形态结构及颜色呈现较大差异，无人机搭载可见光传感器相比地面采集图像分辨率低，以及图像中部分雄穗过小、与背景相似度高、被遮挡、相互交错等情况带来的雄穗检测精度低的问题，提出了一种改进YOLO v7-tiny模型的玉米种质资源雄穗检测方法。该方法通过在YOLO v7-tiny中引入SPD-Conv模块和VanillaBlock模块，以及添加ECA-Net模块的方式，增强模型对雄穗特征的提取能力。利用自建的玉米种质资源雄穗数据集，训练并测试改进模型。结果表明，改进YOLO v7-tiny的平均精度均值为94.6%，相比YOLO v7-tiny提升1.5个百分点，相比同等规模的轻量级模型YOLO v5s、YOLO v8s分别提升1.0、3.1个百分点，显著降低了图像中雄穗漏检及背景误检为雄穗的发生，有效减少了单穗误检为多穗和交错状态下雄穗个数误判的情况。改进YOLO v7-tiny模型内存占用量为17.8MB，推理速度为231f/s。本文方法在保证模型轻量化的前提下提升了雄穗检测精度，为玉米种质资源雄穗实时、精准检测提供了技术支撑。

来源：2024年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第7期