MaizeStandCounting (MaSC)：基于图像处理与深度学习的无人机航拍图像自动精准玉米苗数
计算机视觉与模式识别
2025-10-10 v1
摘要
准确的玉米苗数对于作物管理和研究至关重要，能够 informing 产量预测、植株密度优化以及早期发现发芽问题。手动计数耗时、效率低且容易出错，尤其在大面积或变异田块中更为如此。我们提出了 MaizeStandCounting (MaSC)，一种从低成本无人机拍摄的 RGB 图像进行自动玉米苗计数的数据处理方法，能够在廉价硬件上运行。MaSC 提供两种工作模式：(1) 将马赛克图像分割为小块，(2) 使用单异构矩阵对原始视频帧进行配准。两种模式均使用轻量级 YOLOv9 模型训练，以检测 V2-V10 生长阶段的玉米苗。MaSC 能区分玉米与杂草及其他植被，随后根据检测位置进行行列分割，生成精确的逐行苗数。对比我们 2024 年夏季育苗场的现场手动计数结果显示，马赛克模式 R²=0.616，原始帧模式 R²=0.906，表明与真实值的一致性良好。MaSC 在 60.63 秒内处理了 83 幅全分辨率帧，包括推理和后处理，凸显其实现实时操作的潜力。这一结果表明 MaSC 是一种可扩展、低成本且准确的工具，适用于研究和生产环境中的自动玉米苗计数。
引用
@article{arxiv.2510.07580,
title = {MaizeStandCounting (MaSC): Automated and Accurate Maize Stand Counting from UAV Imagery Using Image Processing and Deep Learning},
author = {Dewi Endah Kharismawati and Toni Kazic},
journal= {arXiv preprint arXiv:2510.07580},
year = {2025}
}
备注
10 pages, 11 figures. Submitted to IEEE Journal of Selected Topics in Signal Processing (JSTSP) Special Series on Artificial Intelligence for Smart Agriculture