近日,华南农业大学齐龙研究员团队在Artificial Intelligence in Agriculture期刊上发表题为“Dual attention guided context-aware feature learning for residual unfilled grains detection on threshed rice panicles”的研究成果。工程学院博士生周宇浩为第一作者,齐龙研究员和马锐军副教授为通讯作者。
![]()
结实率是水稻考种中的重要指标,而脱粒后稻穗残留空粒的精准检测是实现其智能测定的关键环节。由于残留空粒目标尺寸小,且常受枝梗遮挡、相邻目标黏连等因素影响,传统人工检测方法效率较低、主观性较强,现有视觉检测方法也面临漏检、误检和复杂场景适应性不足等问题。
为此,团队提出了基于对偶注意力机制的残留空粒检测方法。该方法构建了“通道—全局”“空间—局部”协同建模的注意力模块,在增强全局特征关联建模的同时保留局部空间上下文信息,提升了模型对残留空粒特征的表征能力;同时结合Focaler-SIoU损失函数与小目标预测头优化策略,增强了模型对遮挡和相邻目标黏连等复杂情况的检测效果。以华航57号、香禾优细丝苗两个水稻品种为试验对象,实验结果表明,该方法对脱粒后稻穗残留空粒的检测精度大于95%,检测速度为154 FPS,具有较好的检测精度与实时性,可为高通量水稻考种提供新的技术支撑。
![]()
论文链接:
https://www.sciencedirect.com/science/article/pii/S2589721725001035
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.