刘 航 刘 涛 李世娟 李路华 吕纯阳 刘升平*

(1.中国农业科学院 农业信息研究所，北京 100081；2.扬州大学 农学院，江苏 扬州 225009)

小麦是世界上最重要的粮食作物，从作物生产角度，估算小麦的产量对监测其生长状况具有重要意义。单位面积麦穗数是小麦产量的重要指标，传统的人工计数费时耗力。随着农业信息化技术的不断深入发展，图像处理技术被广泛的应用于估算单位面积穗数。特征提取是麦穗计数的基础，早期主要是提取麦穗图像的颜色特征[1-2]、纹理特征[3]等，这些方法虽然容易提取特征，但是对有复杂背景的图像难以达到很好的计数精度；之后随着机器学习的发展，已有研究转向利用机器学习的方式进行麦穗计数，如基于聚类[4]的方法等，建立图像颜色特征到麦穗数量的直接分类关系，统计麦穗数量。近年来，卷积神经网络(Convolutional neural network, CNN)的优势日益彰显，引起了广泛关注，它不仅在对象检测[5]和分割[6]上取得最先进的性能，还在解决对象计数的问题上发挥了重要作用。基于CNN的回归计数方法最早由Lempitsky等[7]提出，是将低层次特征映射到相应真值密度图中，在计数过程中加入空间信息，建立图像的回归模型，最后对密度图求取积分，得到图像中物体的数量。此类方法把对象当作整体，有效的解决了对象之间相互遮挡的问题。这种密度图的思路可以解决许多特定领域的视觉问题，提供较为准确的对象计数；并且由于在特征提取步骤中需要非常小的时间开销，使其成为涉及实时处理或处理大量可视数据的应用程序的良好候选者。……