基于EfficientDet 的全球小麦麦穗检测方法研究

王季

（200093 上海市 上海理工大学 机械工程学院）

0 引言

目前，在室外野外图像中进行准确的小麦头视觉检测依然具有挑战性。密集的小麦植株经常重叠，风会使照片模糊；外观会因成熟度、颜色、基因型和头部方向而异。由于小麦在世界范围内种植，因此必须考虑不同的品种、种植密度、样式和田间条件，针对小麦麦穗开发的模型需要适应不同的生长环境。当前的检测方法涉及一级和二级检测器，但是即使在使用大型数据集进行训练时，仍然存在对训练区域的过度拟合[1-2]。

1 数据准备

1.1 样本采集

本文所用数据集源于Kaggle 的Global Wheat Detection 比赛，该数据集是由来自7 个国家的研究机构牵头，包括东京大学、法国国家农业食品与环境研究院、阿尔瓦利斯植物研究院、苏黎世联邦理工学院、萨斯喀彻温大学、昆士兰大学、南京农业大学和英国洛桑研究所。该数据集提供了尺寸为1 024×1 024 的小麦图片共3 422 张，给出麦穗边界框的中心点的坐标以及边界框的尺寸。本次比赛提供的数据集相关尺寸见表1。

表1 小麦相关数据Tab.1 Wheat related data

表1 中：宽度，高度——数据集中图片的宽和高；麦穗框坐标——图片中麦穗边界框中心点坐标以及边界框的长、宽；来源地——图片中小麦的来源地。

1.2 数据分析以及难例挖掘

根据表1 数据，结合具体的小麦图片可知，对小麦麦穗检测的难点如下：

（1）密集的小麦植株经常重叠；

（2）风会使照片模糊；

（3）外观会因成熟度、颜色、基因型和头部方向而异，且地域来源分布对外观的影响尤为重要。……