基于图像的玉米籽粒检测与计数的卷积神经网络方法

精确的生育期玉米谷物产量估计使农民能够做出实时准确的收获与谷物销售决策，从而将盈利损失可能性降至最低。一个发育良好的玉米穗可多达 800 粒籽粒，但人工计数玉米穗上的籽粒费时费力且易出错。从算法角度看，由于单根玉米穗图像中籽粒数量大、角度各异且间距极小，从中检测籽粒具有挑战性。本文中，我们提出一种基于滑动窗口的籽粒检测与计数方法。所提方法能检测并计数在非受控光照条件下拍摄的单根玉米穗图像中的所有玉米籽粒。该滑动窗口方法使用卷积神经网络（CNN）进行籽粒检测，然后应用非极大值抑制（NMS）去除重叠检测。最后，被分类为籽粒的窗口送入另一个 CNN 回归模型以寻找籽粒图像块的 (x,y) 中心坐标。我们的实验表明，所提方法能以较低的检测误差成功检测玉米籽粒，并且也能检测以不同角度摆放的一批玉米穗上的籽粒。