基于改进Faster R—CNN的水稻秧苗漏插识别研究

来源：中国农机化学报杂志2026年第2期北京时间：

作者：邹立雯, 梁春英, 胡军, 陈玉恒, 李圳鹏

单位：黑龙江八一农垦大学工程学院，黑龙江大庆，163319

摘要：水稻是我国的主要粮食作物，实现水稻的高产优产是必然趋势。针对传统人工补苗效率低、主观性高的问题，提出一种基于改进Faster R—CNN的水稻秧苗漏插识别方法。以Faster R—CNN模型为基础，将主干网络替换为残差网络ResNet50，结合FPN特征金字塔对特征信息进行提取；引入RoI Align双线性插值的思想替代RoI Pooling层粗糙量化操作。结果表明，改进后的Faster R—CNN模型识别的精确率为93.62%，平均精度均值mAP@0.5为95.06%；与未改进的模型相比，识别精确率提高7.33%，模型的平均精度均值mAP@0.5提高4.6%。该模型可以提高水稻秧苗的分类和插秧机漏插位置的检测精度，为制定水稻秧苗补苗计划打下坚实的基础，并为评价水稻插秧机质量提供数据支持。

关键词：水稻秧苗,漏插识别,特征金字塔,深度学习,残差网络

基金资助：黑龙江省重点研发计划项目(2023ZX01A06)