文献类型： 中文期刊

作者： 李修华 ¹ ; 李倩 ¹ ; 张瀚文 ¹ ; 丁璐 ¹ ; 王泽平 ² ;

作者机构： 1.广西大学电气工程学院

2.广西农业科学院农业科技信息研究所

关键词： 果园计数;香蕉;Faster R-CNN;深度学习;去重

期刊名称： 生物工程学报

ISSN： 1000-3061

年卷期： 2025 年 41 卷 010 期

页码： 3828-3839

收录情况： 北大核心 ; CSCD

摘要： 准确获取大田作物数量和密度不仅是水肥管理按需投入的关键，也是保障作物产量和品质的关键。无人机(unmanned aerial vehicle, UAV)航拍可以快速且大面积地获取大田作物的分布图像信息，但是单一类型密集目标的准确识别对于大多数识别算法来说都是一个巨大的挑战。本研究以香蕉苗为例，通过无人机高空航拍香蕉园的图像，研究密集目标高效识别方法。本研究提出了一种“裁-识-拼”的策略，构建了一个基于改进的Faster R-CNN算法的计数方法。该方法先将包含高密集目标的图像按不同尺寸(模拟不同飞行高度)裁剪成大量图像瓦片，并采用对比度限制自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)算法提高图像质量，构建了包含36 000张图像瓦片的香蕉苗数据集；然后采用经过参数优化的Faster R-CNN网络训练香蕉苗识别模型；最后将识别结果进行反拼接，并设计了一种边界去重算法，对最终的计数结果进行校正，以减少图像裁剪引起的香蕉苗重复识别。结果表明，经过参数优化的Faster R-CNN对不同尺寸的香蕉图像数据集的识别精度最高达到了0.99；去重算法可以将针对航拍原始图像的平均计数误差从1.60%降低到0.60%，香蕉苗的平均计数准确率达到99.4%。本研究提出的方法有效解决了高分辨率航拍图像中密集小目标识别难题，为精准农业中的作物密度智能监测提供了高效可靠的技术支撑。