基于YOLO和增强现实的玉米穗位高实时测量方法

来源：农业机械学报杂志2026年第1期北京时间：

作者：张亚玲，刘亚东，李黎明，余汛，南斐，殷大萌，金秀良

单位：中国农业科学院,中国农业科学院;武汉大学,中国农业科学院,中国农业科学院,中国农业科学院,中国农业科学院;三亚中国农业科学院国家南繁研究院,中国农业科学院;三亚中国农业科学院国家南繁研究院,

摘要：高效、准确的玉米穗位高监测对于玉米抗倒伏育种研究至关重要。传统人工测量方法费时费力，现有自动化方案在复杂田间条件下鲁棒性不足或成本高。本研究基于YOLO模型和增强现实（AR）技术，设计了一款用于玉米穗位高智能测量的iOS应用程序，可实现玉米穗位高实时、精准、高效且低成本的测量。该系统包含玉米雌穗检测模型和高度测量模块。雌穗检测模型使用在灌浆期玉米田间采集的1000幅雌穗图像构建的数据集（涵盖不同光照和遮挡条件）进行模型训练与验证，在多个目标检测模型中，YOLO v5s表现出最佳性能，精确率为0.844，召回率为0.724，平均精度AP0.5为0.814。该雌穗检测模型被集成至基于AR技术的实时测量模块，在iOS设备上的兼容性和准确性均表现良好，响应时间小于0.3s。田间验证表明，穗位高检测结果与人工实测值高度一致（R2为0.750~0.864，RMSE为0.10~0.13m）；智能测量系统由单人操作，单个小区测量10株以上雌穗用时2min以内，与传统塔尺测量相比速度提高6倍以上。本系统在保证准确性的同时显著提升了玉米穗位高测量的效率，可为玉米育种研究提供实时精准的数据支持。

关键词：玉米雌穗检测;深度学习;增强现实;穗位高测量;YOLO v5s

基金资助：新一代人工智能国家科技重大专项（2022ZD0115701）、国家自然科学基金项目（42071426、42301427）、中国农业科学院南繁专项（PTXM2501、PTXM2402）和中国农业科学院科技创新工程项目