DOI：10.3969/j.issn.1672-3872.2025.07.002
基金项目：山西重点研发计划课题“晋汾白猪遗传提升、种质创新与示范”（202102140601005）；山西省回国留学人员科研资助项目“高压脉冲电场介导畜禽舍附着细菌生物被膜多相反应机制研究”（2023-092）；山西农业大学教学改革项目“农智专业课程达成度实现及评价体系构建——以《智能传感与检测技术》为例”（JG-202426）
作 者：耿 晶 1，2 ，李海康 3 ，崔清亮 1，2 ，刘振宇 1，2
（1. 山西农业大学农业工程学院，山西 晋中 030801；2. 旱作农业机械关键技术与装备山西省重点实验室，山西 晋中 030801；3. 晋中信息学院智能工程学院，山西 晋中 030800）
摘 要：【目的】解决因农田小麦植株光照不均、遮挡严重而造成的小麦估产不准确、麦穗识别效率不高等问题。【方法】构建了一种基于深度学习的农田小麦麦穗识别检测模型，对小麦图像进行了识别检测，并将L1Loss、IOULoss及GIOULoss损失函数引入检测网络，通过对比实验分析了Faster R-CNN任务网络与ResNet50、ResNet101、ResNetXt101这3种骨干网络对麦穗检测平均精度、平均召回率的影响。【结果】同一任务网络中，相同损失函数、不同骨干网络或相同骨干网络、不同损失函数，小麦预测框检测平均精度和平均召回率都不一样，所以骨干网络和损失函数的选取对预测效果有一定影响。【结论】本研究显著降低了人工成本，提高了麦穗检测的精度与质量，为田间麦穗的产量估计及数字化管理提供了依据。
关键词：麦穗检测；深度卷积网络；损失函数；小麦估产
引文信息：[1]耿晶，李海康，崔清亮，等.基于深度学习的农田小麦麦穗检测研究[J].南方农机，2025，56(7)：4-7.
查看全文请下载PDF文件↓
