基于轻量化Ghost-YOLOv8和智能手机的田间水稻有效分蘖检测方法OACSTPCD

[目的/意义]单株有效分蘖数是影响水稻产量的重要农艺性状之一,为解决水稻分蘖密集、相互遮挡且存在无效分蘖导致有效分蘖检测成本高、精度较低的问题。[方法]通过对水稻有效分蘖与无效分蘖高度的调查分析,提出一种基于水稻分蘖高度的有效分蘖计数方法,即在水稻固定高度收割后,测量茎秆数量以得到水稻有效分蘖数;通过GhostNet对YOLOv8模型进行轻量化,以减小模型规模,便于手机端部署;并基于此模型,开发手机端水稻有效分蘖检测程序。[结果和讨论]田间实验结果表明,在水稻植株总株高的52%~55%范围内进行收割,计数茎秆数量得到有效分蘖数,其查全率与准确率均超过99%;轻量化的Ghost-YOLOv8模型参数量减少43%;基于该模型的水稻有效分蘖App,对本研究标准下采集的100张茎秆横截面图像进行预测,准确率为99.61%,召回率为98.76%,与人工计数单株有效分蘖结果相比,决定系数为0.9859。[结论]满足田间水稻有效分蘖计数需求,有助于育种专家收集大量数据,为水稻产量田间预测提供基础。