基于YOLOv5s模型的小麥品種(系)穗數檢測

臧賀藏，趙晴，周萌，曹廷杰，張杰，李國強，鄭國清

(1. 河南省農業科學院農業經濟與信息研究所/農業農村部黃淮海智慧農業技術重點實驗室，河南 鄭州 450002；2. 河南省農業科學院小麥研究所，河南 鄭州 450002)

小麥是我國重要的糧食作物，全世界約35%～40%的人口以小麥為主食[1－3]。2021年，我國小麥種植面積2 291.1 萬公頃，產量1.34 億噸，是世界最大的小麥生產國[4]。小麥產量由單位面積穗數、每穗粒數和粒重構成[5，6]，及時準確獲取穗數可為小麥產量估測和品種評價提供科學依據。在實際生產中，小麥穗數的獲取主要以人工實地調查為主，即選取一定長度的小麥樣段，人工調查穗數，然后根據整片區域小麥的平均行距，推算單位面積小麥穗數。這種方法存在主觀性強、隨機性強、缺乏統一標準等弊端，費時費力、效率低，而且不能實時、快速地獲取統計結果。

隨著機器視覺技術的快速發展，圖像處理技術在病蟲害檢測[7－11]、表型參數監測[12－14]以及產量預測[15－17]方面得到了廣泛應用，目前在小麥穗數識別和數量檢測方面也有一些研究，如杜穎等[2]在無氮、低氮、正常氮和高氮4 個氮水平下，基于超像素分割和顏色特征，快速準確地統計出大田小麥穗數；高姻燕等[18]基于YOLOv3 對無人機航拍得到的典型田間小麥穗數圖像進行檢測，實現了小麥穗數及時高效地估測；劉哲等[19]提出一種基于改進的Bayes 摳圖算法的麥穗小穗自動計數方法，可以實現小麥小穗數的高效、自動計數；鄧國強等[20]采用數碼相機獲取人工接種赤霉病菌的麥穗圖像，然后基于改進的U－net 模型對標記好的發病麥穗圖像進行訓練，可以很好地識別與監測小麥赤霉病穗。但以往研究多集中于不同栽培管理措施下的小麥穗數識別，且應用YOLOv5s 訓練模型對小麥品種(系)穗數識別和統計的研究報道甚少。鑒于科研人員便于攜帶、易操作的需求，本研究利用智能手機進行麥穗圖像采集，然后針對密度高、遮擋及交叉重疊嚴重導致的麥穗檢測錯誤和漏檢等問題，以2020—2021年度參加國家冬小麥黃淮南片水地組區域試驗的82 個小麥品種(系)為材料，通過目標檢測手段YOLOv5s 獲得訓練模型，實現麥穗的自動識別和數量統計，以期為田間小麥品種(系)穗數統計和產量估測提供技術支撐。

1 材料與方法

1.1 試驗地概況

供試材料為參加2020—2021年度國家冬小麥黃淮海南片水地組區域試驗的82 個小麥品種(系)，種植于河南省農業科學院河南現代農業研究開發基地。該地位于北緯35°0′44″、東經113°41′44 ″，屬暖溫帶大陸性季風氣候，年平均氣溫為14.4℃，多年平均降雨量為549.9 mm，全年日照時數2 300～2 600 h，小麥—玉米輪作為該地區的主要種植模式。

試驗共設有501 個小區，隨機區組排列，3 次重復；每個小區種植6 行小麥，小區面積12 m2。播種日期為2020年10月9 日，種植密度195 萬株/hm2。試驗田管理措施高于普通大田。

1.2 數據采集與數據集構建

1.2.1 公開數據集 由于人工標記抽穗期圖像工作量較大，因此從Global Wheat Challenge 2021(https:/ /www.aicrowd.com/challenges/global-wheatchallenge-2021)提供的公開數據集中篩選出拍攝清晰無遮擋的2 583 幅圖像，圖像分辨率為1 024像素×1 024 像素，用作模型訓練集和驗證集的樣本圖像分別為2 325 幅和258 幅，部分圖像示例如圖1 所示。

圖1 全球小麥數據集中部分圖像示例

1.2.2 圖像數據采集 于2021年4月19 日上午10 時、天氣晴朗無云時，使用智能手機Honor 20 pro 拍攝正處于抽穗期的麥穗圖像。拍攝時將智能手機固定在手持拍攝桿上，于小麥冠層上方50 cm 處垂直拍攝。篩選出拍攝清晰無遮擋的360幅圖像作為測試集，圖像分辨率為960 像素×720像素。

1.2.3 數據集構建和標注 為了獲得更好的圖像檢測結果，利用標注工具Labelimg 對麥穗圖像進行紅色方框標注，即在每個麥穗位置標記一個紅色方框。標注結果可以保存為YOLO 系列的.CSV文件，包括train/box＿loss、train/obj＿loss、train/cls＿loss、precision、recall、mAP＿0.5、mAP＿0.5:0.95、val/box＿loss、val/obj＿loss、val/cls＿loss、x/lr0、x/lr1、x/lr2。

1.3 模型構建

1.3.1 YOLOv5s 訓練模型網絡結構 YOLO 系列是單階段目標檢測具有代表性的算法，其中YOLOv5 網絡模型在YOLOv4 基礎上進行了改進，主要包括YOLOv5s、YOLOv5m、YOLOv5l 和YOLOv5x 四個版本，而YOLOv5s 具有運行速度快、靈活性高的特點，在模型快速部署上具有較強的優勢，檢測速度在四個版本中最快[21]。與其他3 個版本比較，YOLOv5s 是YOLOv5 模型中體積最小的網絡模型，具有深度最淺和寬度最窄的優勢，可以更好地滿足實時性需求，所需消耗的參數量和計算量最小。

本研究即采用YOLOv5s 進行訓練模型構建，由輸入端(Input)、主干網絡(Backbone)、頸部(Neck)、頭部(Head)和輸出端(Output)五部分組成，網絡結構如圖2 所示。輸入端輸入的圖像尺寸為640×640×3，采用Mosaic 數據增強、Anchor自適應錨框計算和圖像縮放等策略對圖像進行預處理。在YOLOv5 中使用CSPDarknet53 作為模型的主干網絡，包括Focus 模塊、Conv 模塊、C3 模塊和SPP 模塊，其作用是從輸入圖像中提取豐富的語義特征；頸部采用FPN 和PAN 生成特征金字塔，用來增強對多尺度目標的檢測；頭部是對從頸部傳遞來的特征進行預測，并生成3 個不同尺度的特征圖。

圖2 YOLOv5s 算法網絡結構

1.3.2 YOLOv5s 主干網絡模塊 YOLOv5s 主干網絡結構示意圖如圖3 所示。

圖3 YOLOv5s 網絡中主干網絡模塊結構示意圖

Conv 模塊的結構為Conv2d＋BN＋SiLU，依次是卷積層、歸一化操作和激活函數。

Focus 模塊的目的是減少模型的計算量，加快網絡的訓練速度。首先將輸入大小為3×640×640 的圖像切分成4 個切片，每個切片的大小為3×320×320。然后使用拼接操作將4 個切片通過通道維度拼接起來，得到的特征圖尺度為12×320×320。再經過一次卷積操作，最終得到32×320×320 的特征圖。

C3 模塊由兩個分支組成，在第一條分支中輸入的特征圖要通過3 個連續的Conv 模塊和多個堆疊的Bottleneck 模塊；在第二條分支中，特征圖僅通過一個Conv 模塊，最終將兩個分支按通道拼接在一起。其中，Bottleneck 模塊可更好地提取目標的高級特征，主要由兩個連續的卷積操作和一個殘差操作組成。

SPP 模塊是空間金字塔池化模塊，用來擴大網絡的感受野。在YOLOv5s 中SPP 模塊的輸入特征圖大小為512×20×20，通過一個Conv 模塊后通道數減半；然后對特征圖使用卷積核分別為5×5、9×9、13×13 的最大池化操作，并將3 種特征圖與輸入特征圖按通道拼接后再通過一個Conv 模塊，最終輸出的特征圖大小為512×20×20。

1.4 模型訓練

試驗選用Intel(R) Core(TM) i7－10600 CPU ＠2.90GHz，GPU 選擇NVIDIA GeForce RTX3090，顯存24GB，使用PyTorch1.10 作為深度學習框架。

將訓練集、驗證集和測試集圖像的尺寸統一調整為640 像素×640 像素，并分為多個批次，遍歷所有批次后完成一次迭代。優化器選擇SGD，設置初始學習率為0.01，隨著迭代次數增加降低學習率至0.001。

1.5 模型驗證

為了驗證模型檢測精度，隨機抽取10 幅圖像，基于統一的麥穗計數標準，挑選具有相關農學背景的2 名人員分別對每幅圖像中的麥穗進行計數，取平均值作為該圖像對應的小麥穗數測量值。

1.6 評價指標

為評估YOLOv5s 模型檢測效果，采用精準率(precision，P)、召回率(recall，R)、平均精度均值mAP(mean average precision)和F1 值(F1－Score)作為評價小麥穗數檢測模型性能的指標。計算公式如下:

式中TP 指正確檢測出的圖像中小麥麥穗數量；FP 指誤把圖像中背景識別為小麥麥穗的數量；FN 指未正確識別出的小麥麥穗數量；P(k)表示可以識別k 幅圖像的精度；dR(k)表示識別的圖像數量從k 改變時召回率的變化。

2 結果與分析

2.1 模型檢測效果

利用YOLOv5s 訓練模型對不同小麥新品種(系)麥穗圖像進行檢測，結果如圖4 所示，圖中紅色框標注即為YOLOv5s 訓練模型對麥穗識別的結果。通過與原始圖像對比發現，YOLOv5s 訓練模型可以較好地檢測出紅色方框中特別小的麥穗，麥穗邊界框回歸也更精準，有效提高了對小目標的檢測精度，較好地解決了麥穗的遮擋和重疊問題，提高了麥穗計數的準確率。

圖4 小麥穗部圖像檢測結果

2.2 模型訓練結果

由圖5 可以看出，經過60 次訓練，最終模型的精準率為96.47%，召回率為93.98%，mAP 為0.971，損失值降至0.03，說明該模型準確率、召回率較高，損失值較低，達到了收斂。

圖5 訓練結果

2.3 模型檢測結果驗證

為驗證YOLOv5s 模型在小麥品種(系)麥穗計數上的準確率，隨機抽取10 幅圖像，人工統計麥穗數量，并將兩種方法的統計結果進行對比分析，結果(表1)顯示，利用YOLOv5s 模型檢測的準確率在94.39%～96.55%，平均95.60%，誤差為3.45～5.61，精度較高，且對每幅圖像的檢測平均耗時0.07s，檢測效率遠高于人工統計。

表1 人工統計與YOLOv5 模型統計結果對比

3 討論與結論

穗數是決定小麥產量的重要表型性狀，根據影像資料進行麥穗檢測是小麥表型研究的熱點[22]。基于無人機數碼圖像的小麥穗數監測主要采用目標檢測方法獲取小麥穗的數量和幾何圖形[23－25]。Fernandez-Gallego 等[26]采用深度學習算法基于小麥穗部熱圖進行麥穗計數。鮑文霞等[27]基于數碼相機拍攝的田間小麥穗部圖像，采用遷移學習方法，構建了麥穗計數函數模型，實現了田間麥穗的計數。范夢揚等[28]利用部署于田

間的攝像頭采集小麥穗的低分辨率群體圖像，并采用支持向量機法獲取了圖像中的麥穗數量。陳佳瑋等[29]采用輕量級深度學習技術構建了安卓手機智能化分析軟件，利用安卓智能手機俯拍小麥圖像，可離線識別圖像中的麥穗數量。

本研究基于YOLOv5s 訓練模型，利用智能手機拍攝的圖像，完成了小麥新品種的麥穗數量檢測，模型檢測精準率、召回率和平均精度均值分別為96.47%、93.98%和0.971，單幅圖像平均檢測時間為0.07 s，與人工基于圖像的統計結果相比，準確率達到95.60%，取得了較好的檢測效果與泛化特性。表明YOLOv5s 訓練模型在復雜田間環境中的適用性較高，能較好地解決小麥穗的遮擋和重疊問題，從而高效、準確地檢測出小麥穗數，可為實際生產中小麥穗計數及產量估測提供技術參考。

隨著深度學習技術的快速發展，使用現有卷積神經網絡進行小麥穗數檢測的精度已經不能滿足科研人員的需求。在今后的研究方向中，本課題組將根據小麥穗數檢測任務的特征，進一步優化卷積神經網絡結構，使用擬合度更高的數據集，以實現對小麥穗數更高精度的識別。