The Crop Journal | 华南农业大学提出一种新的水稻穗多发育期自动识别算法

水稻穗关键发育期的准确观测可有效指导水稻生产的精准管控，对实现稻米优质高产具有重要意义。传统人工观测方式耗时耗力、主观性强、出错率高，且观测不连续，难以满足水稻发育期快速准确识别的需要。水稻自抽穗起直到收获，不同发育期的稻穗呈现出不同的形态特征，当观测区域中有10%的水稻穗形态特征发生变化时，水稻进入相应发育期。基于计算机视觉技术，许多学者在较小区域上对水稻穗的生长状态进行实时连续的地面监测。利用水稻图像序列，探索表征稻穗形态的图像特征及其演化规律来识别稻穗关键发育期。具体来说，依据不同发育期稻穗在大小、成熟度、色彩等方面的差异，采用目标检测算法来实现稻穗的自动计数，只要识别到足够数量的稻穗便可确定对应发育期的达到日期。然而，已有的自动计数方法都仅限于检测某一关键发育期的稻穗，尚未见稻穗多发育期识别的研究报道。

近日，华南农业大学数学与信息学院肖德琴教授团队在The Crop Journal在线发表了题为“An algorithm for automatic identification of multiple developmental stages of rice spikes based on improved Faster R-CNN”的研究论文，首次提出基于深度学习目标检测模型的不同发育期稻穗图像特征自动提取算法，实现稻穗多发育期自动识别。

针对稻穗目标小而密、在抽穗期、乳熟期和成熟期3个不同发育期尺度差异大等问题，团队对Faster R-CNN网络进行了有针对性地改进。基于改进Faster R-CNN的稻穗检测模型，先检测出每天采集的图像中3个不同发育期（成熟度对应为Ripe 1、Ripe 2、Ripe 3）的各类稻穗数，再计算各类图像穗密度。在不同发育期下，绘制不同成熟度稻穗的图像穗密度日变化拟合曲线。经试验分析得出：若当天图像中某类穗密度较前一天增加了2倍以上，即当天该类图像穗密度拟合曲线具有首次快速上升趋势，那么确定当天日期为对应稻穗类别的发育始期。

转自：植物生物技术Pbj

如有侵权，请联系本站删除！