基于YOLOv5s模型的小麦品种(系)穗数检测

及时准确地获取小麦品种(系)穗数对其产量预测具有重要的实际意义.针对目前小麦穗数调查手段落后、费时费力、效率低等问题,本研究以2020—2021年度种植于河南省农业科学院河南现代农业研究开发基地参加国家冬小麦黄淮南片水地组区域试验的82个小麦品种(系)为材料,以2021年4月采集的麦穗数码图像为数据源,基于单阶段目标检测算法YOLOv5s构建训练模型,用于小麦穗数检测.结果表明,经过60次迭代训练,YOLOv5s训练模型对小麦品种(系)穗数识别的精准率为96.47％,召回率为93.98％,平均精度均值为0.971,取得了较好的检测效果与泛化特性.与人工统计相比,应用YOLOv5训练模型对小麦穗数检测具有较高的精度,统计的准确率为95.60％,且每幅图检测耗时仅0.07 s.证明YOLOv5s训练模型在复杂田间环境中的适用性较好,能够在小麦抽穗期快速准确检测出小麦穗数,可为田间小麦穗数统计及产量估测提供技术参考.