农业机械学报

作者：孙燕，汪苗，苏宇辰，何坤，曹成茂，侯文慧，王玉伟，刘路

单位：安徽农业大学,安徽农业大学,安徽农业大学,安徽农业大学,安徽农业大学,安徽农业大学,安徽农业大学;农业农村部农业传感器重点实验室,安徽农业大学,

关键词：水稻分蘖数;实例分割;原位检测;产量预估;YOLO 11-seg

基金：安徽省高校科学研究项目（2023AH040140）、农业农村部农业传感器重点实验室开放课题（KLAS2023KF003）和先进数控和伺服驱动安徽省重点实验室开放基金项目（XJSK202306）

水稻分蘖动态数据是影响产量的关键指标，对其关键生长期进行有效监测可为田间管理措施的优化提供重要依据。针对复杂田间环境下水稻有效分蘖检测存在的遮挡、光照变化干扰及表型特征缺失等问题，本研究提出一种基于改进YOLO 11-seg的实例分割模型。通过使用融合大型选择性内核网络（Large selective kernel network，LSKNet）构建的CP_LSK模块，替换主干网络中原有的C3k2模块，增强模型对多尺度特征的适应性；在主干末端引入注意力机制CBAM（Convolutional block attention module）优化特征权重分配，显著提升模型在复杂场景下的鲁棒性。试验结果表明：改进模型在检测任务中Box分支的精确度、召回率、F1分数、mAP50和mAP50-95分别达到90.3%、85.3%、87.7%、92.7%、61.4%，较原模型提升2.2、3.5、2.9、0.8、2.1个百分点；Mask分支的对应指标分别提升2.5、5.1、3.9、2.3、1.5个百分点。测试集分蘖计数结果显示，全局平均绝对误差（Mean absolute error，MAE）和均方根误差（Root mean square error，RMSE）分别为0.24、0.70个，决定系数R2为0.950，其中98.1%的样本计数误差在3个分蘖以内，其中检测准确率较原模型提高28.9个百分点。研究提出的算法实现了田间复杂场景下水稻分蘖的原位检测和计数，其误差控制能力可为基于分蘖计数的有效穗数估算提供技术支撑，对于水稻植株生长监测与产量预测具有重要应用价值。

来源：2025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2025年第9期