基于注意力机制金字塔网络的麦穗检测方法

章权兵 胡姗姗 舒文灿 程 鸿

(安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心， 合肥 230601)

0 引言

全球粮食年产量高达7亿t，而在众多的粮食作物中，小麦是最重要的农作物品种之一，且是世界1/3人口的主要食物来源，其种植面积和总产量均居谷类作物之首[1]。随着城市化进程的加快和人均收入的增长，全球小麦消费也在快速增长。预计到2050年，小麦需求量将比现在增加60%[2]。在我国，小麦是主要粮食作物和战略储备粮，其产量对国家粮食安全具有重要影响。准确的产量预测不仅是小麦生产管理的重要环节之一，而且可以为农业管理决策者提供参考[3]。穗数是决定单位面积产量的关键因素，快速、准确地对麦穗进行检测和计数，不仅在作物管理和作物产量评价中具有重要作用，而且在作物育种、植株表型分析等方面也具有十分深远的意义。

传统的小麦产量预测主要依靠人工计数和图像处理的方法。人工计数方法繁琐，容易出错且不具有代表性[4]；而图像处理方法是可实现麦穗自动计数的一种快速简便的方法，因此得到了大量研究[5-7]。上述传统方法需要大量实验寻找有用的特征，工作量和复杂度都很高。此外，在实际的田间环境中，小麦紧密地生长在一起，麦穗间及麦穗与叶片间相互遮挡，传统方法对麦穗的检测效果并不理想。

随着现代植物表型技术的快速发展，传统方法已经无法满足需求，而深度学习方法逐渐被大多数研究者应用到农作物的产量预测中，特别是卷积神经网络(Convolution nerual network, CNN)在图像分析中的应用开始成为主流，这使得自动化麦穗计数成为可能[8]。……