典型文献
改进YOLOX检测单位面积麦穗
文献摘要：
单位面积麦穗数是估算小麦产量的重要指标,对于作物表型参数计算、产量预测和大田管理都具有重要的意义.目前的研究均未以单位面积麦穗图像为研究对象,为准确获取单位面积麦穗数,该研究提出了基于改进YOLOX的单位面积麦穗检测方法,利用采样框直接实现单位面积麦穗计数.首先,设计了一种简单的单位面积采样框,通过训练角点检测网络识别采样框,以提取单位面积小麦区域;其次,针对麦穗检测中存在的目标密集和相互遮挡问题,在麦穗检测网络的特征融合层,采用上下文信息进行特征重组的上采样方法(Content-Aware ReAssembly of Features,CARAFE)代替YOLOX-m模型中的上采样算法,同时结合迭代注意力特征融合模块(iterative Attentional Feature Fusion,iAFF),增加对麦穗空间信息和语义信息的提取.试验结果表明,改进的YOLOX-m模型明显改善了对密集麦穗和遮挡麦穗的检测效果,其精确率、召回率、平均精确度和F1值分别为96.83％、91.29％、92.29％和93.97％,与SSD、CenterNet和原YOLOX-m模型相比,平均精确度分别提升了10.26、8.2和1.14个百分点.该研究方法能够直接对复杂大田场景下的单位面积麦穗进行准确检测和计数,为实际生产小麦产量预测中的麦穗智能化计数提供了一种方法参考.
文献关键词：
模型;目标检测;深度学习;单位面积;麦穗
中图分类号：
作者姓名：
杨蜀秦;王帅;王鹏飞;宁纪锋;奚亚军
作者机构：
西北农林科技大学机械与电子工程学院,杨凌 712100;农业农村部农业物联网重点实验室,杨凌 712100;陕西省农业信息感知与智能服务重点实验室,杨凌 712100;西北农林科技大学信息工程学院,杨凌 712100;西北农林科技大学农学院,杨凌 712100
文献出处：
引用格式：
[1]杨蜀秦;王帅;王鹏飞;宁纪锋;奚亚军-.改进YOLOX检测单位面积麦穗)[J].农业工程学报,2022(15):143-149
A类：
单位面积麦穗数,麦穗检测方法,ReAssembly,CARAFE,iAFF
B类：
YOLOX,小麦产量,作物表型,表型参数,参数计算,产量预测,大田管理,角点检测,测网,遮挡问题,上下文信息,特征重组,上采样,采样方法,Content,Aware,Features,采样算法,注意力特征融合,特征融合模块,iterative,Attentional,Fusion,空间信息,语义信息,检测效果,精确率,召回率,SSD,CenterNet,百分点,够直,目标检测
AB值：
0.295685
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
