来源：期刊VIP网 时间：
作者：张天会;杨灿鹏;王学睿;杨晓刚;张云建;杨琳琳;
单位：云南农业大学机电工程学院;作物模拟与智能调控重点实验室;
摘要：当前大棚水稻的育种方式是小面积多品种种植且产量估算通常靠人工完成，存在劳动强度大、效率低等问题。基于此，本研究通过改进YOLOv8n网络，提出一种轻量化的稻穗检测与计数模型VCG-YOLO。首先，使用YOLOv8n模型作为基础网络，在主干网路中引入VoVNet模块，通过将图像分割成多个小块再进行聚合，实现对图像的高效处理；其次，将原模型颈部网络中的上采样模块替换为CARAFE上采样算子，在特征重组时扩大感受野；最后，将原模型中的损失函数替换为GIoU Loss,以更好地适应目标形状和尺度变化，提高模型的收敛速度和性能。实验结果显示，改进后的VCG-YOLO模型对稻穗检测有较好的精度，在自制数据集中的精确率、召回率和平均精度均值分别为88.7%、81.4%和90.4%;对模型检测穗数与真实穗数进行线性拟合，决定系数和均方根误差分别达到0.893和2.28,表明模型预测值与实际值显著相关，可以用预测穗数建立回归模型进行水稻产量估算。本研究结果为水稻产量估算提供了新的思路和方法。
关键词：水稻;;稻穗检测与计数;;YOLOv8n;;产量估算
基金资助：国家自然科学基金项目(32160420);; 云南省重大科技专项(202202AE09002103);; 云南省农林联合专项(202301BD070001-172)
