摘要：为进一步提高大田环境下麦穗识别与检测计数的准确性,基于图像处理和深度学习技术,设计并实现了基于卷积神经网络的冬小麦麦穗检测计数系统。根据大田环境下采集的开花期冬小麦图像特点,提取麦穗、叶片、阴影3类标签图像构建数据集,研究适用于冬小麦麦穗识别的卷积神经网络结构,构建了冬小麦麦穗识别模型,并采用梯度下降法对模型进行训练;将构建的冬小麦麦穗识别模型与非极大值抑制结合,进行冬小麦麦穗计数。试验结果表明,该系统构建的冬小麦麦穗识别模型能够有效地克服大田环境下的噪声,实现麦穗的快速、准确识别,总体识别正确率达到99.6%,其中麦穗识别正确率为99.9%,阴影识别正确率为99.7%,叶片识别正确率为99.3%。对100幅冬小麦图像进行麦穗计数测试,采用决定系数和归一化均方根误差(NRMSE)进行正确率定量评价,结果表明,该系统计数结果与人工计数结果线性拟合的R~2为0.62,NRMSE为11.73%,能够满足冬小麦麦穗检测计数的实际要求。

关键词：冬小麦 麦穗识别 卷积神经网络 非极大值抑制 深度学习 

单位：中国农业大学信息与电气工程学院; 北京100083; 中国农业科学院农业环境与可持续发展研究所; 北京100081