改进YOLOv5测量田间小麦单位面积穗数.pdfVIP

第 38 卷 第 16 期 农 业 工 程 学 报 Vol.38 No.16 2022 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2022 235 改进 YOLOv5 测量田间小麦单位面积穗数 1,2 1,2 3 1,2 4 4 1,2※ 黄 硕 ，周亚男 ，王起帆 ，张 晗 ，邱朝阳 ，康 凯 ，罗 斌 （1. 北京市农林科学院智能装备技术研究中心，北京 100097 ；2. 国家农业智能装备工程技术研究中心，北京 100097 ；3. 河北农 业大学机电工程学院，保定 071000 ；4. 北京市农林科学院信息技术研究中心，北京 100097 ） 摘 要：单位面积穗数是决定小麦产量的主要因素之一。针对人工清点小麦穗数的方法容易受主观因素影响、效率低和 图像处理方法鲜有进行系统部署等问题，提出一种注意力模块 （Convolutional Block Attention Module，CBAM ）与 YOLOv5 相结合的 CBAM-YOLOv5 网络结构，通过对特征图进行自适应特征细化，实现更准确的单位面积穗数测量。该研究以本 地采集小麦图像数据和网络公开小麦图像数据为数据集，设置输入图像分辨率为 1 280，得到 CBAM-YOLOv5 模型，可 以达到0.904 的F 1 分数和 0.902 的平均精度，测试集计数的平均相对误差为 2.56% ，平均每幅图像耗时 0.045 s，综合对 比，CBAM-YOLOv5 模型具有显著优势。模型放置于服务器，结合手机端软件和辅助装置，形成单位面积穗数测量系统， 实现育种小区麦穗图像实时采集、处理和计数，计数的平均相对误差为 2.80% ，抗环境干扰性强。该研究方法与装置可 以实现田间小麦单位面积穗数的实时在线检测，降低主观误差，具有较高的准确率及较强的鲁棒性，为小麦单位面积穗 数快速、准确估测提供一种新的技术和装备支撑。 关键词：模型；小麦；单位面积麦穗数；深度学习；YOLOv5 ；CBAM doi ：10.11975/j.issn.1002-6819.2022.16.026 中图分类号：S126 文献标志码：A 文章编号：1002-6819(2022)-16-0235-08 黄硕，周亚男，王起帆，等. 改进 YOLOv5 测量田间小麦单位面积穗数[J]. 农业工程学报，2022，38(16)：235-242. doi ：10.11975/j.issn.1002-6819.2022.16.026 Huang Shuo, Zhou Yanan, Wang Qifan, et al. Measuring the number of wheat spikes per unit area in fields using an improved YOLOv5[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(16): 235-242. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2022.16.026 [4] 到的麦穗 。李毅念等转换图像颜色空间提取饱和度分量 0 引 言  图像，通过图像预处理、去除细窄处粘连、凹