基于DMseg-Count的小麦的自动检测和计数

科学领域:

• 农业技术 农业技术
• 计算机视觉 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 准确的小麦数计数对于产量预测和品种评估至关重要.
• 小麦图像分析的挑战包括灯光不佳,遮蔽和重叠,降低计数准确度.
• 现有的方法在复杂的现场条件下扎.

研究的目的:

• 为了提高在充满挑战的环境中自动计数小麦的准确性.
• 通过先进的图像分析来提高小麦产量预测和品种评估.
• 开发一个强大的深度学习模型来检测和计数小麦.

主要方法:

• 在DM-Count模型的基础上,开发了一种改进的小麦计数模型,DMseg-Count.
• 引入了本地细分分支来提取本地上下文信息.
• 一个点乘法机制融合了全球和本地上下文信息,并通过构造的损失函数进行了优化.

主要成果:

• DMseg-Count模型实现了平均绝对误差 (MAE) 的5.79和根平均平方误差 (RMSE) 的7.54.
• 这些结果比标准的DM-Count模型有显著的改进.
• 该模型在困难的成像条件下在检测小麦中表现出卓越的性能.

结论:

• 提出的DMseg-Count模型有效地检测和计数在复杂的田间环境中的小麦.
• 这为自动小麦数计数和产量预测提供了一种新的方法.
• 该模型展示了用于农业应用的增强计算机视觉能力.