喜报 | 金禾天成《基于AR眼镜和改进YOLOv8m-seg的田间小麦赤霉病严重度识别方法》论文发表在《农业大数据学报》
作者：
徐玮：北京金禾天成科技有限公司，appo@jinhetech.com
周佳良：北京金禾天成科技有限公司，zhoujialiang2132@jinhetech.com
钱啸：北京金禾天成科技有限公司
符首夫：北京金禾天成科技有限公司
摘要
及时发现小麦田间赤霉病发生情况并根据发病严重程度采取相应的防治措施，有利于提高小麦的产量和质量。当前识别小麦赤霉病严重度的方法大多基于一株或几株麦穗进行识别，这种方式由于效率较低不适用于田间调查。为解决该问题，该研究提出一种高效准确的田间小麦赤霉病严重度识别方法。通过引入CBAM注意力机制以改进YOLOv8m-seg模型的性能。利用改进的YOLOv8m-seg模型对采集的远景图像进行小麦麦穗实例分割，然后基于非目标抑制方法进行单株小麦麦穗切图，再利用改进的YOLOv8m-seg模型对每一株小麦麦穗中的病小穗和健康小穗进行实例分割，最后通过病小穗和健康小穗的数量计算每一株小麦麦穗的赤霉病严重度。为验证本文方法的有效性，构建了小麦麦穗（D-WE）和小麦小穗（D-WS）两个数据集进行测试。试验结果表明YOLOv8m-seg在两个数据集上的综合性能优于YOLOv8n-seg、YOLOv8s-seg、YOLOv8l-seg和YOLOv8x-seg。引入CBAM的模型优于引入SE、ECA和CA注意力机制的模型，与原模型相比，改进YOLOv8m-seg模型的平均精度均值在两个数据集上分别提高了0.9个百分点和1.2个百分点。该研究提出的小麦赤霉病严重度识别方法与其他三种识别方法相比严重度准确率分别提高了38.4个百分点、6.2个百分点和2.4个百分点，通过TensorRT将改进的YOLOv8m-seg模型部署后总算法耗时仅仅为原来的1/7。最后，该研究基于AR眼镜进行三地的小麦田间赤霉病严重度调查，调查结果表明，基于AR眼镜的小麦赤霉病智能识别平均病穗计数准确率高达0.953，且调查耗时仅为人工调查的1/3，充分说明了该研究提出方法的有效性，为智能化小麦赤霉病田间调查奠定良好的基础。
《农业大数据学报》创刊于2019年，是由农业农村部主管，中国农业科学院农业信息研究所主办，我国首个综合报道数据资源、数据研究与大数据农业农村创新应用的学术期刊。
《农业大数据学报》致力于推进数据共享，增进对大数据及其农业农村领域和相关学科应用的科学理解。本刊主要出版数据论文、研究论文和评述文章。
●数据论文
刊发各类可用于农业农村领域及相关学科的高质量数据，包括但不限于研究数据、公共数据、开放的产业数据、公民科学数据等，是对特定数据库（集）进行专业性、规范性描述的新兴学术论文体裁，可有效提升数据理解、推进数据共享与利用。
●研究论文
刊发大数据科学技术及其农业农村应用的前沿研究，包括大数据在农业农村领域的创新应用、数据密集型研究、大数据管理与治理等。
●评述文章
刊发针对大数据资源、研究和应用重要进展，以及农业农村大数据发展重要政策、事件、行动等的短篇观察与分析。
联系电话：010-82106275
电子邮箱：agbigdata@caas.cn
本文来源 | 农业大数据学报
