|本期目录/Table of Contents|

[1]王鑫泽,何超,方国文,等.改进YOLO v8n的无人机高分辨率水稻幼苗数目检测方法[J].江苏农业科学,2025,53(5):95-104.
　Wang Xinze,et al.Detection of rice seedling number by high-resolution UAV with improved YOLO v8n[J].Jiangsu Agricultural Sciences,2025,53(5):95-104.
点击复制

改进YOLO v8n的无人机高分辨率水稻幼苗数目检测方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第53卷
期数:
2025年第5期
页码:
95-104
栏目:
智能农业装备
出版日期:
2025-03-05

文章信息/Info

Title:
Detection of rice seedling number by high-resolution UAV with improved YOLO v8n
作者:
王鑫泽; 何超; 方国文; 黄立闩; 李熠璇; 张晓青
西南林业大学机械与交通学院，云南昆明 650000
Author(s):
Wang Xinze; et al
关键词:
水稻幼苗; 数量检测; KW卷积; WIoU; YOLO v8n
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
针对我国水稻机播率不足50%，高速机播出现操作不当、对秧池判断失误、天气引起存活降低等原因出现空穴率的问题，导致无法准确判断水稻密度并实施精确补插计划，提出了一种低成本的改进YOLO v8n算法的轻量化识别水稻幼苗数目的方法。首先，使用动态KWConv代替普通Conv，使卷积参数更加高效，卷积更加适合水稻幼苗数据集；其次，设计全新的C2f_KW模块代替部分C2f，减少模型的计算量，并提高了模型的检测精度；最后，使用WIoU边界损失函数解决了CIoU损失函数对样本质量较差的局限性。试验结果表明，改进YOLO v8n模型的mAP0.5、mAP0.5~0.95分别为99.19%、72.56%；相比原模型YOLO v8n，mAP0.5和mAP0.5~0.95分别提高0.50、4.13百分点，并且模型计算量从8.2 G降到5.8 G，实现了更广泛的无人机部署条件，改进YOLO v8n模型与主流模型Faster R-CNN、YOLO v5n、YOLO v5s、YOLO v7、YOLO v7-tiny、YOLO v8n-Swin Transformer等相比有着不同程度提升，提高35.27、5.01、2.69、9.54、13.14、3.45百分点。本研究方法对无人机监测统计水稻幼苗提供了有效的支持，为水稻种植相关研究提供了借鉴。
Abstract:
-

参考文献/References:

［1］李文博. 稻田综合种养对水稻产量和品质的影响［D］. 合肥：安徽农业大学，2021：10-21.
［2］Li Z Y，Wang R，Zhang W，et al. Multiscale features supported DeepLab v3+ optimization scheme for accurate water semantic segmentation［J］. IEEE Access，2019，7：155787-155804.
［3］汤以胜，孙晓敏，陈前，等. 基于遥感大数据云计算平台下的水稻识别研究［J］. 航天返回与遥感，2022，43(3)：113-123.
［4］周莹. 基于深度学习的遥感影像去云方法研究［D］. 哈尔滨：东北林业大学，2022：21-29.
［5］辛明金，邬立岩，宋玉秋，等. VP6型水稻插秧机作业质量试验研究［J］. 中国农机化学报，2016，37(4)：19-23，48.
［6］段小斌. 基于无人机遥感技术的水稻倒伏区域识别研究［J］. 农机化研究，2021，43(12)：225-228.
［7］Sandler M，Howard A，Zhu M L，et al. MobileNet v2：inverted residuals and linear bottlenecks［C］//IEEE. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City，2018：4510-4520.
［8］栾鑫鑫，翟晨，安焕炯，等. 应用分子光谱信息融合判别不同产地大米［J］. 光谱学与光谱分析，2023，43(9)：2818-2824.
［9］Haq M A，Rahaman G，Baral P，et al. Deep learning based supervised image classification using UAV images for forest areas classification［J］. Journal of the Indian Society of Remote Sensing，2021，49(3)：601-606.
［10］胡田田，赵璐，崔晓路，等. 无人机多光谱数据可靠性分析与冬小麦产量估算研究［J］. 农业机械学报，2023，54(12)：217-225.
［11］王怡婧，丁启东，张俊华，等. 基于无人机高光谱遥感和机器学习的土壤水盐信息反演［J］. 应用生态学报，2023，34(11)：3045-3052.
［12］Sharpe P. Open tech workstation［J］. Industrial and Commercial Training，1985，17(3)：18-20.
［13］Joos L，de Tender C，Holderbeke A，et al. Exploring the microbial response as a potential bio-indicator for soil health：insights from a controlled incubator experiment［J］. Agriculture，Ecosystems & Environment，2023，356：108634.
［14］Du J B，Cheng W J，Li S L. Joint task offloading and resource allocation in mixed edge/cloud computing and blockchain empowered device-free sensing systems［J］. Computer Communications，2023，209：38-46.
［15］朱伟，马立新，张平，等. 基于GoogLeNet和无人机图像的水稻秧苗形态识别［J］. 华南农业大学学报，2022，43(3)：99-106.
［16］慕涛阳，赵伟，胡晓宇，等. 基于改进的DeepLab v3+模型结合无人机遥感的水稻倒伏识别方法［J］. 中国农业大学学报，2022，27(2)：143-154.
［17］郭柏璋，牟琦，冀汶莉. 融合注意力机制的YOLO v5深度神经网络杂草识别方法［J］. 无线电工程，2023，53(12)：2771-2782.
［18］慕君林，马博，王云飞，等. 基于深度学习的农作物病虫害检测算法综述［J］. 农业机械学报，2023，54(增刊2)：301-313.
［19］曹英丽，赵雨薇，杨璐璐，等. 基于改进DeepLab v3+的水稻田间杂草识别方法［J］. 农业机械学报，2023，54(12)：242-252.
［20］Lin T Y，Dollár P，Girshick R，et al. Feature pyramid networks for object detection［C］//IEEE. 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Honolulu，2017：936-944.
［21］Liu S，Qi L，Qin H F，et al. Path aggregation network for instance segmentation［C］//IEEE. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City，2018：8759-8768.
［22］Ge Z，Liu S，Wang F，et al. YOLO x：Exceeding yolo series in 2021［EB/OL］. (2018-08-06)［2024-10-20］. https：//arxiv.org/abs/2107.08430.
［23］Law H，Deng J. CornerNet：detecting objects as paired keypoints［J］. International Journal of Computer Vision，2020，128(3)：642-656.
［24］Li C，Yao A B，Li C，et al. KernelWarehouse：towards parameter-efficient dynamic convolution［EB/OL］. (2023-08-16)［2023-11-20］. https：//arxiv.org/abs/2308.08361v1.
［25］Ding X H，Zhang X Y，Han J G，et al. Diverse branch block：building a convolution as an inception-like unit［C］//IEEE. 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).Nashville，2021：10881-10890.
［26］Zhu X Z，Hu H，Lin S，et al. Deformable ConvNets v2：more deformable，better results［C］//IEEE. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).Long Beach，2019：9300-9308.
［27］Hu M，Feng J Y，Hua J S，et al. Online convolutional reparameterization［C］//IEEE. 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).New Orleans，2022：558-567.
［28］Li J F，Wen Y，He L H. SCConv：spatial and channel reconstruction convolution for feature redundancy［C］//IEEE. 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).Vancouver，2023：6153-6162.

相似文献/References:

[1]方淑梅,梁喜龙,纪伟波,等.外源NO对盐碱胁迫下水稻幼苗生长抑制的缓解作用[J].江苏农业科学,2013,41(08):67.
　Fang Shumei,et al.Mitigative effect of exogenous nitric oxide on growth inhibition of rice seedlings under saline-alkali stress[J].Jiangsu Agricultural Sciences,2013,41(5):67.
[2]侯丽霞.CaCl2浸种对低温胁迫下水稻幼苗生理指标的影响[J].江苏农业科学,2013,41(08):70.
　Hou Lixia,et al.Effect of soaking seeds with CaCl2 on physiological indicators of rice seedlings[J].Jiangsu Agricultural Sciences,2013,41(5):70.
[3]刘涛,郑欣,刘夏囡,等.超氧阴离子调节水稻幼苗不定根形成的分子机制[J].江苏农业科学,2017,45(13):54.
　Liu Tao,et al.Molecular mechanism of superoxide anion regulating adventitious root formation of rice seedlings[J].Jiangsu Agricultural Sciences,2017,45(5):54.
[4]付朝晋,王红春,张善学,等.新型植物诱抗剂12%寡糖·香草硫缩病醚微乳剂对水稻幼苗生长的影响[J].江苏农业科学,2021,49(16):80.
　Fu Chaojin,et al.Influences of 12% oligosaccharide·vanilla thioacetal ether microemulsion on growth of rice seedlings[J].Jiangsu Agricultural Sciences,2021,49(5):80.
[5]赵颖,何志刚,曲航,等.不同秸秆育苗基质对水稻幼苗生长和根际微环境的影响[J].江苏农业科学,2023,51(10):100.
　Zhao Ying,et al.Effects of different straw rearing substrates on rice seedling growth and rhizosphere microenvironment[J].Jiangsu Agricultural Sciences,2023,51(5):100.

备注/Memo

备注/Memo:
收稿日期：2023-12-21
基金项目：国家自然科学基金(编号：51968065)；云南省科技厅农业联合专项(编号：202301BD070001-077)；云南省高层次人才项目(编号：YNWR-QNBJ-2018-066、YNQR-CYRC-2019-001)。
作者简介：王鑫泽(1999—)，男，安徽南陵人，硕士研究生，研究方向为图像识别算法在农业上的应用。E-mail：xinzewang0328@163.com。
通信作者：何超，博士，教授，博士生导师，研究方向为智能农机装备研究等。E-mail：hcsmile@163.com。
更新日期/Last Update: 2025-03-05