基于深度卷积神经网络技术的棉花顶芽探测技术*

张扬虎，白 琳,2**，陈峰练，张 茜，李淘深,2

(1.广西大学计算机与电子信息学院，广西南宁 530004; 2.广西高校并行与分布式计算技术重点实验室，广西南宁 530004; 3.广西医科大学第一附属医院，广西南宁 530021)

0 引言

棉花生产关系到国家发展的点点滴滴，棉花不仅是人民穿着的重要材料来源，而且在疫情期间，口罩、防护服等医护用品的需求剧增，棉花的供给变得更为重要。棉花打顶作为棉花生产工作中的一个重要环节，整体机械化低下，导致棉花生产的人工成本居高不下。打顶一般在植物的枝条修剪定型期进行，及时打顶既能消除棉花顶芽的生长优势特性，还能调节棉花内部的养分配比，使棉铃获取更多的养分，增加铃重。另外打顶还有控制植株高度，改善生产基地的植株光照情况，以达到增产增收的作用。目前，我国对棉花的机械打顶主要采用“一刀切”的方法，这种方式对棉株的棉铃、花蕾造成损伤，影响棉花的产量。因此，提高棉花打顶技术，实现棉花顶芽检测和识别的机械化、智能化，具有很强的现实意义。

目前，我国机械打顶常用的机器视觉技术主要有3种：基于BP神经网络的机器视觉技术[1]、基于机器视觉技术的棉株识别定位算法[2]、双目视觉技术[3]。近年来，随着计算机硬件的升级换代及性能大幅提升，机器学习领域得到飞速发展，而机器学习对于改进农业生产具有重大的助力作用。深度学习(Deep Learning，DL)是机器学习领域中一个新的研究方向[4]。2014年，Huo等[5]提出一种基于区域偏好和深度卷积运算的目标检测算法(Regions with CNN features，RCNN)。……