摘要：针对玉米种质资源遗传多样性丰富导致雄穗大小、形态结构及颜色呈现较大差异，无人机搭载可见光传感器相比地面采集图像分辨率低，以及图像中部分雄穗过小、与背景相似度高、被遮挡、相互交错等情况带来的雄穗检测精度低的问题，提出了一种改进YOLO v7-tiny模型的玉米种质资源雄穗检测方法。该方法通过在YOLO v7-tiny中引入SPD-Conv模块和VanillaBlock模块，以及添加ECA-Net模块的方式，增强模型对雄穗特征的提取能力。利用自建的玉米种质资源雄穗数据集，训练并测试改进模型。结果表明，改进YOLO v7-tiny的平均精度均值为94.6%，相比YOLO v7-tiny提升了1.5个百分点，相比同等规模的轻量级模型YOLO v5s和YOLO v8s分别提升了1.0、3.1个百分点，显著降低了图像中雄穗漏检及背景误检为雄穗的发生，有效减少了单穗误检为多穗和交错状态下雄穗个数误判的情况。改进YOLO v7-tiny模型的内存占用量为17.8MB，推理速度为231f/s。本文方法在保证模型轻量化的前提下提升了雄穗检测精度，为玉米种质资源雄穗实时、精准检测提供了技术支撑。
文章目录
0 引言
1 试验数据获取
1.1 数据采集
1.2 数据集构建
2 改进YOLO v7-tiny的玉米种质资源雄穗检测模型
2.1 YOLO v7-tiny
2.2 改进YOLO v7-tiny
2.2.1 SPD-Conv
2.2.2 VanillaBlock
2.2.3 ECA-Net
2.3 试验环境及参数设置
2.4 模型评价指标
3 结果与分析
3.1 消融试验
3.2 模型改进效果分析
3.3 不同目标检测模型性能对比
4 结论
