农业机械学报

作者：李金瑞，杜建军，张宏鸣，郭新宇，赵春江

单位：西北农林科技大学;北京市农林科学院,北京市农林科学院,西北农林科技大学,北京市农林科学院,西北农林科技大学;国家农业信息化工程技术研究中心,

关键词：无人机;目标检测;人工去雄;玉米雄穗;RTMDet;轻量化网络

基金：国家重点研发计划项目（2022YFD1900701）、黑龙江省“揭榜挂帅”科技攻关项目（20212XJ05A02）、北京市农林科学院科技创新能力建设专项（KJCX20230429）、国家自然科学基金项目（42377341）和陕西省重点研发计划项目（2023-YBNY-217）

玉米制种田遗漏雄穗检测是实现人工去雄质量评估的关键。针对现有玉米雄穗检测模型面临的参数量大、检测效率低和精度差等问题，提出一种基于RTMDet-tiny的轻量级雄穗检测模型MLCE-RTMDet。模型采用轻量级的MobileNetv3作为主干特征提取网络，有效降低模型参数量；在特征提取网络中引入CBAM注意力模块，增强对雄穗目标的多尺度特征提取能力，克服引入轻量化网络可能带来的性能损失。同时，使用EIOU Loss替代GIOU Loss，进一步提高雄穗检测精度。在自建数据集上的试验表明，改进的MLCE-RTMDet模型参数量缩减至3.9×106，浮点运算数降至5.3×109，参数量和浮点运算数分别比原模型减少20.4%和34.6%。测试集上模型平均精度均值增至92.2%，较原模型提高1.2个百分点；同时，推理速度达到41.9f/s，增幅达12.6%。与YOLO v6、YOLO v8、YOLO X等当前主流模型相比，MLCE-RTMDet表现出更好的综合检测性能。改进后的高精度轻量化模型可为实现玉米制种田人工去雄后的遗漏雄穗检测提供技术支撑。

来源：2024年第11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11期