小麦穗检测对于农业估产和育种研究具有重要意义,但由于小麦穗角度和姿态多变且存在遮挡和尺度变化等因素,给目标检测带来较大困难,提出一种针对小麦穗旋转目标检测的改进方法YOLOX-RoC,该方法在YOLOX基础上使用旋转矩形框代替水平矩形框,更好地拟合小麦穗的轮廓和方向,减少背景干扰和重叠区域,使模型更具灵活性,更准确地捕捉小麦穗的特征;添加坐标注意力模块并采用KL散度损失函数代替交叉熵损失函数,提高对旋转目标的感知能力并解决旋转敏感度的误差度量问题,优化旋转目标的定位精度.利用基于图像合成的Copy-Paste数据增强方法,生成更多的训练样本以提高模型对不同尺度、姿态和遮挡情况的泛化能力,提高模型的鲁棒性.试验结果表明,YOLOX-RoC的AP比基准模型提升2.4百分点,针对小尺寸和被严重遮挡的小麦穗目标可以更准确地预测目标边界和角度,减少漏检和误检.本研究为小麦穗目标检测提供了一种准确和鲁棒的解决方案,为小麦估产和育种的智能化奠定了技术基础.
万方数据
维普
