数字农科院2.0

基于无人机视频流的小麦穗数精准监测研究

文献类型： 中文期刊

作者： 韩桐鹤;张博涵;费帅鹏;李雷;孙海艳;王多霞;孟亚雄;肖永贵

作者机构：

关键词： 麦穗计数;视频流;深度学习;无人机;YOLO

期刊名称：麦类作物学报

ISSN： 1009-1041

年卷期： 2025 年

页码：

收录情况： 北大核心（2023版） ; ; CSCD（2025-2026年度） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： 为了解利用深度学习技术实现小麦穗数高效精准测定的可行性,选取黄淮冬麦区10个小麦主栽品种（泛麦8号、周麦36、中麦895、马兰1号、新麦26、豫麦49、济麦22、中麦578、郑麦1860和中麦255）,设置120万、240万和360万株·hm-2三个种植密度,采用YOLO v5、YOLO v6、YOLO v8和YOLO v10四种深度学习算法,构建通过视频流实时识别计数小麦穗数的模型,并以小麦品种中麦578的生产田群体(300万株·hm-2)进行预测精度验证。结果表明,不同模型损失函数起点和下降幅度均存在差异,各模型对麦穗的检测性能均随迭代次数的增加而提升。在训练时间和检测效率方面,YOLO v6和YOLO v10模型速度较快,但检测性能和准确率均低于YOLO v5和YOLO v8。YOLO v5和YOLO v8模型耗时相对较长,但YOLO v8模型的召回率、F1分数、平均精度及准确率表现最佳,分别为90.90%、93.00%、97.20%和88.00%。YOLO v8模型识别穗数与真实计数的相关性随种植密度增加而降低,在三个种植密度下r2分别为0.92、0.81和0.79。经生产田群体验证,综合考虑r2、RMSE和MAE值,YOLO v8模型相对其他模型在小麦灌浆各阶段的穗数识别中表现最稳定,识别穗数精度最高;在视频流中YOLO v8模型检测穗数的r2最高,达到0.90。这说明YOLO v8模型在小麦群体穗数识别方面具有较高的可靠性,受种植密度、品种和穗数发育阶段影响较小,在复杂田间环境下同样表现出较好的鲁棒性和高效性,适用于产量预测、育种研究、栽培管理等场景。

分类号：

  • 相关文献

[1]基于RGB图像与深度学习的冬小麦田间长势参数估算系统. 李云霞,马浚诚,刘红杰,张领先. 2021

[2]基于机器视觉的蚕豆荚高精度检测方法研究. 夏子林,张新洲,王文波,夏先飞,陈兰,顾寄南. 2025

[3]基于知识蒸馏的多教师棉田杂草检测模型. 朱养鑫,郝珊珊,郑伟健,金诚谦,印祥,周鹏. 2025

[4]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[5]利用无人机影像数据进行油菜长势监测. 张瑞杰,李俐俐,李礼,姚剑,乔江伟. 2021

[6]基于面向对象与深度学习的榆树疏林识别方法研究. 陈昂,杨秀春,徐斌,金云翔,张文博,郭剑,邢晓语,杨东. 2020

[7]一种新型的无人机牧草分割网络—LMS-DeeplabV3+. 占子恬,潘新,罗小玲,郜晓晶,闫伟红. 2024

[8]基于无人机多光谱图像和改进VGG模型的水稻淹水胁迫及调控效果识别方法研究. 刘晓君,吴茜,孙传亮,雷添杰,梁万杰. 2025

[9]基于卷积神经网络的棉花关键生育时期识别. 李明泽,张静,雷亚平,韩迎春,王国平,陈国栋,李亚兵,冯璐. 2024

[10]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[11]Study on Discriminant Model of Flue-curing Stage of Tobacco Leaves in Curing Process. 王志诚,,孟令峰,,王松峰,,谢良文,,李文刚. 2024

[12]基于YOLOv8网络的棉蚜图像识别算法及软件系统设计. 马盼,杨子恒,万虎,何顺,黄远,徐胜勇. 2023

[13]基于YOLO与扩散模型的冠层环境灰茶尺蠖幼虫检测方法. 罗学论,Mostafa GOUDA,宋馨蓓,胡妍,张文凯,何勇,张瑾,李晓丽. 2025

[14]基于YOLOv8网络的棉蚜图像识别算法及软件系统设计. 马盼,杨子恒,万虎,何顺,黄远,徐胜勇. 2024

[15]Ag-YOLO: A Real-Time Low-Cost Detector for Precise Spraying With Case Study of Palms. Zhenwang Qin,Wensheng Wang,Karl Heinz Dammer,Leifeng Guo,Zhen Cao. 2021

[16]Convolutional Neural Network for Object Detection in Garlic Root Cutting Equipment. Yang, Ke,Peng, Baoliang,Gu, Fengwei,Zhang, Yanhua,Wang, Shenying,Yu, Zhaoyang,Hu, Zhichao. 2022

[17]Ag-YOLO: A Real-Time Low-Cost Detector for Precise Spraying With Case Study of Palms. Zhenwang Qin,Wensheng Wang,Karl Heinz Dammer,Leifeng Guo,Zhen Cao. 2022

[18]Experimental Study of Garlic Root Cutting Based on Deep Learning Application in Food Primary Processing. Yang K.,Yu Z.,Gu F.,Zhang Y.,Wang S.,Peng B.,Hu Z.. 2022

[19]Mapping Maize Planting Densities Using Unmanned Aerial Vehicles, Multispectral Remote Sensing, and Deep Learning Technology. Jianing Shen,Qilei Wang,Meng Zhao,Jingyu Hu,Jian Wang,Meiyan Shu,Yang Liu,Wei Guo,Hongbo Qiao,Qinglin Niu,Jibo Yue. 2024

[20]PAB-Mamba-YOLO: VSSM assists in YOLO for aggressive behavior detection among weaned piglets. Xue Xia,Ning Zhang,Zhibin Guan,Xin Chai,Shixin Ma,Xiujuan Chai,Tan Sun. 2025

作者其他论文 更多>>