基于多列空洞卷积神经网络的麦穗计数方法研究

• 作者: 刘云玲 张品戈 王千航 周睿琪 赵佳 肖永贵 马韫韬
• 来源期刊: 吉林农业大学学报
• 关键词: 卷积神经网络 机器视觉 图像识别 麦穗计数 密度图
• 年，卷（期）: 2021,（2）
• 页码范围: 171-180
• 页数: 10页
• 分类号: S512.1|TP391.4
• 语种: 中文
• DOI: 10.13327/j.jjlau.2021.1127

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.