基于多列空洞卷积神经网络的麦穗计数方法研究

摘要：

田间麦穗计数因主要依靠人工而存在耗时长、成本高等问题,为提高麦穗计数的效率和准确性,提出基于人群计数卷积神经网络的麦穗计数方法,在图像基础上进行麦穗数量自动化计数.试验改进了现有人群计数模型中的多列卷积神经网络MCNN和空洞卷积神经网络CSRNet,并对MCNN和CSRNet进行融合,建立了多列卷积神经网络MCSRNet.测试结果表明:MCSRNet网络对麦穗的预测准确率可以达到92.4％,较MC-NN和CSRNet分别提高1.0％和4.0％,且训练迭代次数分别减少39次和5次.另基于独立数据集进行了测试,MCSRNet网络平均准确率为81.9％,较MCNN和CSRNet分别提高了0.4％和0.7％.MCSRNet的麦穗计数结果R2为0.80,优于MCNN和CSRNet.以上研究结果表明,MCSRNet网络有较高的麦穗计数准确率,同时有较快的训练速度,可为后续基于图像的小麦产量预测提供技术方法.

关键词：卷积神经网络、机器视觉、图像识别、麦穗计数、密度图

所属期刊栏目：43

分类号：S512.1;TP391.4(禾谷类作物)

资助基金：国家重点研发计划项目2016YFD0200700

在线出版日期：2021-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：171-180