来源：期刊VIP网 时间：
作者：朱轩池;程铎灌;崔道涵;冯江;
单位：东北农业大学信息与电气工程学院;
摘要：为了得到大豆田间苗期的出苗率和种植密度，以方便及时间苗、补苗和评价种子质量的好坏，提出了一种卷积神经网络方法来对大豆田间苗期进行准确计数与密度评估。使用无人机采集大豆苗期图像制作了数据集，并对数据集进行数据增强。针对田间复杂地形环境，为减少背景环境的干扰，对数据集图像进行直方图均衡化和明度提高等预处理。根据采集的大豆图像密集的特点，采用拥挤场景识别网络(Congested Scene Recognition Network, CSRNet)来构建并改进网络模型，改用VGG19作为前端网络，并加入卷积注意力模块(Convolutional Block Attention Module, CBAM)提高特征提取效果，并根据模型的豆苗图像密度图求和得到图像中的大豆苗数。试验结果表明：模型在测试数据集上平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RMSE)分别达到了2.35、4.69;对比目标检测方法YOLOv5s、Faster R-CNN和其他人群密度检测方法CSRNet、MCNN和SANet,本研究的模型MAE分别低1.27、0.4、0.63、1.38、0.41,RMSE分别低2.43、0.54、1.83、3.83、2.06。所提出方法计数性能优异，可以满足无人机快速获取田间大豆出苗率的需要，为出苗率的获取提供了参考。
关键词：无人机;;苗木计数;;CSRNet;;机器视觉;;大豆
基金资助：黑龙江省“揭榜挂帅”科技攻关项目(2021ZXJ05A03)
