杨蜀秦 刘江川 徐可可 桑 雪 宁纪锋 张智韬

(1.西北农林科技大学机械与电子工程学院， 陕西杨凌 712100； 2.农业农村部农业物联网重点实验室， 陕西杨凌 712100；3.西北农林科技大学信息工程学院， 陕西杨凌 712100； 4.陕西省农业信息感知与智能服务重点实验室， 陕西杨凌 712100；5.西北农林科技大学水利与建筑工程学院， 陕西杨凌 712100)

0 引言

玉米属于雌雄同株的植物，雄蕊位于植株顶端，是判断玉米进入抽雄期的关键标志。准确识别抽雄期雄蕊的位置、数量、尺寸等特征可为去雄等田间作业管理提供有效信息，同时也可作为玉米良种培育的重要参考依据[1-3]。由于玉米植株密集且雄蕊位置较高，在识别大范围玉米种植区域雄蕊时，传统人工调查的方法存在主观性高和效率低等问题，影响统计结果的准确性。

无人机遥感因其具备机动性强和成像分辨率高等特点，为检测抽雄期玉米雄蕊提供了一种有效的途径。文献[4]通过修改Faster R-CNN[5]模型的锚框尺寸提高对无人机拍摄的玉米雄蕊图像的识别精度。文献[6]采用轻量级的SSD_mobilenet[7]模型对玉米雄蕊图像进行识别，为无人机机载系统部署雄蕊检测系统提供参考。以上研究均采用有锚框(Anchor-base)算法，其检测结果依赖锚框的尺寸和比例等参数的设置和调试[6-9]。在大田作物目标识别和计数方面，文献[10]采用传统的SVM学习算法对小麦骨架特征进行识别，进而实现小麦麦穗计数。文献[11]研究发现基于特征的稻穗检测方法对小尺寸稻穗目标有较大的提升效果。……