基于深度神经网络RGB图像和热图像的小麦穗检测

本文旨在建立小麦穗识别与计数系统，为进一步估计小麦穗覆盖密度和产量预测提供必要的技术支持，植物表型资讯介绍如下：

近年来，RGB和热成像相机越来越多地作为配件或集成部件应用于智能手机，同时智能手机在农民中的使用率日益增加。利用这样的手机，农民可以获得小麦产量早期信息。目前，针对小地块可以进行部分麦穗计数，进而推断出整个地块的小麦产量，但是需要大量人力资源，并且人工计数容易产生主观性，耗时长。针对较大地块，则必须从多个位置取样，处理速度会进一步降低。本文旨在建立小麦穗识别与计数系统，为进一步估计小麦穗覆盖密度和产量预测提供必要的技术支持。

RGB（a）和热图像（b）的示例

拟议方法的逐步说明

研究人员在冬小麦生长的4个时期，对冬小麦图像进行人工分割，并获取地面真实信息。同时利用深度学习进行图像分割。将卷积神经网络应用于RGB和热图像，并将结果与地面真实值进行对比，评估系统的准确性。实验结果表明，本文开发的综合穗数统计和产量预测系统对小麦生产中的作物监测和最佳决策具有巨大的实用价值。

拟议的CNN体系结构

a）原始RGB图像b）手工制作的二进制蒙版c）模型的输出d）在输出上应用的0.8阈值

来源：

Grbović Ž, Panić M, Marko O, et al. Wheat Ear Detection in RGB and Thermal Images Using Deep Neural Networks. International Conference on Machine Learning and Data Mining, MLDM 2019, At New York, NY, USA.