无人机图像数据驱动的莴苣属株高检测

来源：电子测量技术杂志2023年第22期北京时间：

作者：贺星耀，冯涛，梁虹，吴凯香，袁嘉辉

单位：1.云南大学信息学院 昆明 650504; 2.云南财经大学信息学院 昆明 650221

摘要：莴苣属作物高通量株高数据采集技术的研究和应用较少，对此提出一种基于深度学习和无人机倾斜摄影的莴苣属株高检测方法。首先针对高通量植株株高获取，采用无人机倾斜摄影，生成区域内植株三维模型，提取高程信息；然后利用改进注意力机制的YOLOv5算法，在主干网络C3模块中嵌入CBAM注意力机制，减少浅层噪声信息，提高对小目标及密集目标的检测能力，以达到对区域内植株的目标检测，对应得到每株植株的估算株高。实验结果表明，CBAM-YOLOv5模型识别效果提升明显，对莴苣属作物识别的AP值提升到了96.19%，相较于原始的YOLOv5模型，本文模型的AP值提升了1.5%，植株目标检测对应三维模型计算出的估算值与实测值具有较高的相关性，直线斜率为0. 991 1，R2为0.931 1，实现了对莴苣属作物高通量株高数据的检测。

关键词：莴苣属;株高检测;深度学习;YOLOv5;无人机倾斜摄影;三维建模

基金资助：云南大学信息学院第二届院级实践创新项目（Y200211）资助