基于改进CenterNet的玉米雄蕊无人机遥感图像识别

摘要：

为准确识别抽雄期玉米雄蕊实现监测玉米长势、植株计数和估产,基于无锚框的CenterNet目标检测模型,通过分析玉米雄蕊的尺寸分布,并在特征提取网络中添加位置坐标,从而提出一种改进的玉米雄蕊识别模型.针对雄蕊尺寸较小的特点,去除CenterNet网络中对图像尺度缩小的特征提取模块,在降低模型参数的同时,提高检测速度.在CenterNet特征提取模型中添加位置信息,提高定位精度,降低雄蕊漏检率.试验结果表明,与有锚框的YOLO v4、Faster R-CNN模型相比,改进的CenterNet雄蕊检测模型对无人机遥感影像的玉米雄蕊识别精度达到92.4％,分别高于Faster R-CNN和YOLO v4模型26.22、3.42个百分点;检测速度为36 f/s,分别比Faster R-CNN和YOLO v4模型高32、23 f/s.本文方法能够准确地检测无人机遥感图像中尺寸较小的玉米雄蕊,为玉米抽雄期的农情监测提供参考.

关键词：玉米雄蕊;无人机遥感;目标检测;深度学习;CenterNet

所属期刊栏目：52

分类号：TP753(遥感技术)

资助基金：国家重点研发计划项目;杨凌示范区科技计划项目

在线出版日期：2021-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：206-212