宋鹏副教授团队：基于轻量化Ghost-YOLOv8和智能手机的田间水稻有效分蘖检测方法（《智慧农业（中英文）》2024年第5期）
引用格式：
崔家乐,曾祥峰,任政威,孙健,汤晨,杨万能,宋鹏.基于轻量化Ghost-YOLOv8和智能手机的田间水稻有效分蘖检测方法[J].智慧农业(中英文),2024,6(5):98-107.
Citation:CUIJiale,ZENGXiangfeng,RENZhengwei,SUNJian,TANGChen,YANGWanneng,SONGPeng.DetectionMethodofEffectiveTilleringofRiceinFieldBasedonLightweightGhost-YOLOv8andSmartPhone[J].SmartAgriculture,2024,6(5):98-107.
基于轻量化Ghost-YOLOv8和智能手机的田间水稻有效分蘖检测方法
崔家乐，曾祥峰，任政威，孙健，汤晨，杨万能，宋鹏*
（华中农业大学作物遗传改良全国重点实验室，湖北武汉430070，中国）
摘要：
［目的/意义］单株有效分蘖数是影响水稻产量的重要农艺性状之一，为解决水稻分蘖密集、相互遮挡且存在无效分蘖导致有效分蘖检测成本高、精度较低的问题。
［方法］通过对水稻有效分蘖与无效分蘖高度的调查分析，提出一种基于水稻分蘖高度的有效分蘖计数方法，即在水稻固定高度收割后，测量茎秆数量以得到水稻有效分蘖数；通过GhostNet对YOLOv8模型进行轻量化，以减小模型规模，便于手机端部署；并基于此模型，开发手机端水稻有效分蘖检测程序。
［结果和讨论］田间实验结果表明，在水稻植株总株高的52%~55%范围内进行收割，计数茎秆数量得到有效分蘖数，其查全率与准确率均超过99%；轻量化的Ghost-YOLOv8模型参数量减少43%；基于该模型的水稻有效分蘖App，对本研究标准下采集的100张茎秆横截面图像进行预测，准确率为99.61%，召回率为98.76%，与人工计数单株有效分蘖结果相比，决定系数为0.9859。
［结论］满足田间水稻有效分蘖计数需求，有助于育种专家收集大量数据，为水稻产量田间预测提供基础。
关键词：水稻有效分蘖；Android；YOLOv8；GhostNet；App；表型
Fig.1 ThericeplantingsceneintheexperimentalfieldofthecropphenotypingplatformatHuazhongAgriculturalUniversity
注：高度1为有效穗距地面高度；高度2为无效穗距地面高度。
图2 水稻分蘖高度调查示意图
Fig.2 Schematicdiagramofricetillerheightinvestigation
a.高度1 b.高度2 c.距地面5cm处
图3 水稻茎秆横截面图像
Fig.3 Thecross-sectionalimageofricestem
Fig.4 OrdinaryconvolutioncomparedwithGhostConv
Fig.5 StructurediagramofGhost-YOLOv8
Fig.6 WorkflowdiagramofthericeeffectivetillerdetectionApp
a.主界面 b.云端检测界面 c.检测结果显示
图7 水稻有效分蘖检测手机App界面
Fig.7 InterfaceofthemobileAppforriceeffectivetillerdetection
Fig.8 Comparisonoftillernumberandproductivetillernumberatdifferentheights
Fig.9 Comparisonofthenumberofproductivetillersinthedividedintervalandthenumberofproductivetillersperplantfromfieldsurveysin2022
Fig.10 Delineationofregionsforeffectiveandineffectivetillersin26ricevarietiesfromfieldsurveysin2022
Fig.11 Comparisonofthenumberofproductivetillersandthenumberofproductivetillersperplantfromfieldsurveysin2023
Fig.12 PredictionresultsoftheGhost-YOLOv8model
Fig.13 LinearregressioncomparisonofpredictionresultsfrommobileAppfordetectingeffectivericetillersversusmanualresults
宋鹏 副教授
宋鹏，博士，华中农业大学副教授。主要从事作物表型检测方法、表型机器人技术及装备研究。《PlantPhenomics》《智慧农业（中英文）》期刊青年编委，发表SCI/EI论文22篇，获授权发明专利24项，获湖北省技术发明二等奖、神农中华农业科技二等奖各1项，参与研发的高通量水稻表型检测技术装备获批2023年中国农业农村重大新装备，研发的表型技术在全国42家单位推广应用。
来源：《智慧农业（中英文）》2024年第5期
（转自：智慧农业期刊）