引用格式
侯依廷, 饶元, 宋贺, 聂振君, 王坦, 何豪旭. 复杂大田场景下基于改进YOLOv8的小麦幼苗期叶片数快速检测方法[J]. 智慧农业(中英文), 2024, 6(4): 128-137.
Citation:HOU Yiting, RAO Yuan, SONG He, NIE Zhenjun, WANG Tan, HE Haoxu. A Rapid Detection Method for Wheat Seedling Leaf Number in Complex Field Scenarios Based on Improved YOLOv8[J]. Smart Agriculture, 2024, 6(4): 128-137.
复杂大田场景下基于改进YOLOv8的小麦幼苗期叶片数快速检测方法
侯依廷1，2，3， 饶元1，2，3*， 宋贺4， 聂振君1，2，3， 王坦1，2，3， 何豪旭1，2，3
（1.安徽农业大学 信息与人工智能学院，安徽合肥 230036，中国；2.农业农村部农业传感器重点实验室，安徽合肥 230036，中国；3.智慧农业技术与装备安徽省重点实验室，安徽合肥 230036，中国；4.安徽农业大学 农学院，安徽合肥 230036，中国）
摘要：［目的/意义］小麦叶片数是衡量植株生长状况、确定茎蘖动态、调节群体结构的重要指标之一。目前大田环境下小麦叶片计数主要依靠人工、耗时耗力，而现有的自动化检测计数方法的效率与精度难以满足实际应用需求。为提高小麦叶片数检测的准确性，设计了一种复杂大田环境下高效识别小麦叶尖的算法。
［方法］本研究以手机和田间摄像头获取的可见光图像构建了两种典型光照条件下出苗期、分蘖期、越冬期等多个生长期的小麦叶片图像数据集。以YOLOv8为基础网络，融合坐标注意力机制降低背景环境的干扰，提高模型对小麦叶尖轮廓信息的提取能力；替换损失函数加快模型收敛速度；增加小目标检测层提高对小麦叶尖的识别效果，降低漏检率。设计了一种适用于叶尖小目标识别的深度学习网络，通过检测图像叶尖数量从而得出叶片数。
［结果与讨论］本研究提出的方法对小麦叶尖的识别精确率和mAP0.5分别达到91.6%和85.1%，具有良好的检测效果。在复杂大田环境下该方法具有更好的适应能力，能够在不同光照条件下实现自适应检测，模型鲁棒性强。小麦幼苗期叶片检测漏检率低，说明该方法能够满足复杂大田场景下小麦叶尖识别的需求，提高了小麦叶片数检测的准确性。
［结论］本研究可为复杂大田场景下小麦叶片数检测的研究提供参考，为小麦长势高质量评估提供技术支撑。
关键词： 小麦叶片；叶尖识别；叶片计数；注意力机制；YOLOv8；深度学习
文章图片
图1 不同设备拍摄的小麦图像数据示例
Fig.1 Example of wheat images captured by different devices
图2 SIoU参数示意图
Fig.2 SIoU parameters schematic diagram
图3 YOLOv8-CSD网络结构图
Fig.3 YOLOv8-CSD network structure diagram
图4 小麦叶尖识别研究中不同模型检测性能对比图
Fig. 4 Comparison of detection performance of different models in wheat leaf tip recognition research
图5 YOLOv8和YOLOv8-CSD对两种复杂场景下小麦叶片图像的检测效果
Fig. 5 The detection effect of YOLOv8 and YOLOv8-CSD on wheat leaf images in two complex scenes
图6 YOLOv8和YOLOv8-CSD对两种典型光照条件下拍摄的小麦叶片图像检测效果图
Fig. 6 Detection effect of wheat leaf images captured under two typical lighting conditions
图7 YOLOv8和YOLOv8-CSD对不同生长期小麦叶尖识别效果
Fig. 7 Recognition effects of YOLOv8 and YOLOv8-CSD on the leaf tips of wheat at different growth stages
图8 复杂大田场景下YOLOv8-CSD对不同生长期小麦叶片数检测效果
Fig.8 The detection effect of YOLOv8-CSD on the number of wheat leaves with different growth stages in complex field scenes
作者介绍
饶元 教授
饶元，安徽农业大学信息与人工智能学院教授，副院长，博士生导师，以色列本古里安大学博士后。农业农村部农业传感器重点实验室主任。中国农业工程学会数字乡村工程专业委员会副主任委员、中国计算机学会数字农业分会执行委员、安徽省蔬菜产业技术体系智能化管理岗位专家，安徽省农业信息化协会常务理事，安徽省人工智能学会智慧农业专业委员会主任委员，《智慧农业（中英文）》《智能化农业装备学报（中英文）》青年编委、《农业大数据学报》编委、《中国科学数据》特邀编委。长期从事农业信息智能感知方向研究，研发了植物光合生理等生命生境信息检测装备、农机作业信息感知与智能分析软硬件系统、设施蔬菜等作物精准生产智能化管控系统。承担国家自然科学基金、农业部948项目、安徽省重点研发计划项目等项目20余项。在“Computers and Electronics in Agriculture”、《农业工程学报》等国内外重要学术期刊发表论文60多篇，获得授权/申请发明专利20多件，登记软著60余项。获全国农牧渔业丰收奖、安徽省科技进步奖、中华农业科技奖多项。
来源：《智慧农业（中英文）》2024年第4期
转载请联系编辑部授权
本期支持单位
潍柴雷沃智慧农业科技股份有限公司
推荐阅读
张永教授团队：基于改进YOLOv8n-pose和三维点云分析的蒙古马体尺自动测量方法（《智慧农业（中英文）》2024年第4期）
尹令教授团队：猪三维点云体尺自动计算模型Pig Back Transformer（《智慧农业（中英文）》2024年第4期）
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
