来源：期刊VIP网 时间：
作者：李典;何敬;刘刚;胡芮宁;陈润渲;
单位：成都理工大学地球与行星科学学院;成都理工大学地理与规划学院;
摘要：识别图像中雄穗对玉米产量预测具有重要意义。由于大田玉米生长环境复杂，雄穗常被玉米叶片遮挡，且雄穗本身较小，普通深度学习模型对其检测效果不佳，因此基于玉米生长场景，制作了多尺度影像序列，并改进了YOLOv9目标检测模型，引入动态蛇形卷积模块捕捉雄穗形态学特征，利用MobileNetV4对模型进行轻量优化。实验结果表明，该优化模型在5种不同缩放尺度下均能保持90.9%～98.3%的检测精度，减少了模型参数量，提高了计算效率。
关键词：目标检测;;YOLOv9;;农业遥感;;动态蛇形卷积;;MobileNetV4
基金资助：自然资源部成都平原国土生态与土地利用野外科学观测研究站开放基金(CDORS-2023-04)
