增强局部上下文监督信息的麦苗计数方法

作     者：申华磊 张洁 刘栋 麻巧迎 郑国清 臧贺藏 SHEN Hualei;ZHANG Jie;LIU Dong;MA Qiaoying;ZHENG Guoqing;ZANG Hecang

作者机构：河南师范大学计算机与信息工程学院新乡453007 河南省教育人工智能与个性化学习重点实验室新乡453007 河南省农业科学院农业经济与信息研究所郑州450002 农业农村部黄淮海智慧农业技术重点实验室郑州450002 

基　　金：国家重点研发计划项目(2022YFD2001005) 国家自然科学基金项目(62072160) 河南省科技攻关计划项目(232102211024、222102110244) 农业农村部黄淮海智慧农业技术重点实验室开放基金项目(202303) 河南省农业科学院农业经济与信息研究所科技创新领军人才培育项目(2022KJCX02) 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2023年第54卷第7期

页      码：243-251,312页

摘      要：在实际生产中,麦苗株数对出苗率估算、产量预测以及籽粒品质预估等起着关键作用,及时准确地估算出麦苗株数对于小麦生产至关重要。由于田间生长环境复杂,麦苗成像易受光照、遮挡和重叠等因素的影响,导致现有目标对象计数方法直接用于麦苗计数时性能不高。为减弱上述因素对麦苗计数的影响,进一步提高计数准确率,本文对现有的目标对象计数网络P2PNet(Point to point network)进行改进,提出增强局部上下文监督信息的麦苗计数模型P2P_Seg。首先,对麦苗图像进行预处理,使用点标注方法自建麦苗数据集;其次,引入麦苗局部分割分支改进网络结构,以提取麦苗局部上下文监督信息;然后,设计逐元素点乘机制融合麦苗全局信息和局部上下文监督信息;最后,引入逐像素加权焦点损失(Per-pixel weighted focal loss)构建总损失函数,对模型进行优化。在自建数据集上的实验表明,P2P_Seg的平均绝对误差(Mean absolute error,MAE)和均方根误差(Root mean square error,RMSE)分别为5.86和7.68,比P2PNet分别降低0.74和1.78;与其他先进计数模型相比,P2P_Seg具有更好的计数效果。在实际大田环境下进行了应用测试分析、误计数和漏计数情况分析,结果表明P2P_Seg更适合复杂田间环境,为麦苗株数自动统计提供了新方法。

主 题 词：麦苗计数 局部上下文监督信息 局部分割分支 特征融合 深度神经网络 

学科分类：0710[理学-生物科学类] 082804[082804] 08[工学] 0828[工学-建筑类] 081203[081203] 0714[0714] 0835[0835] 0701[理学-数学类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.6041/j.issn.1000-1298.2023.07.024

馆 藏 号：203122620...