单位面积穗数是小麦产量构成的重要因素,利用图像信息处理技术快速、准确地估测田间小麦穗数,可以为小麦长势监测和产量估测提供直接依据。利用无人机路径规划和控制系统(fragmentation monitoring and analysis with aerial photography,FragMAP)获取标准统一、高分辨率的田间小麦RGB航拍影像,通过高效的目标检测手段(YOLOv3)获得训练模型并自动识别麦穗,通过分析该方法(FY方法)与传统方法测定麦穗数量的关系来构建单位面积麦穗估测模型。结果表明,FY方法的样本获取效率和观测面积显著高于传统方法(P <0.001);YOLOv3训练模型识别麦穗的准确率随着训练样本数量和迭代次数增加而增加,500个训练样本迭代6 250次,获得模型识别麦穗的准确率超过90%;FY方法和与传统方法测定的田间小麦穗数量呈显著的线性相关关系,据此构建估测田间小麦穗数的模型为:y=0.816x-14.863(R;=0.790,P<0.001)。上述结果表明,结合标准统一、高分辨率的无人机航拍影像和深度学习方法估测田间小麦穗数精度高、实时性强,可为小麦长势监测和产量估测提供重要的数据和技术支撑。
展开▼
