[发明专利]一种智能化高通量测算大田油菜花序密度的方法及应用

权利要求书

1.一种智能化高通量测算大田油菜花序密度的方法，其特征在于，包括以下步骤：

步骤1、利用无人机机载RGB相机拍摄大田油菜开花期获取其花序图像数据；

步骤2、基于深度学习的油菜花序计数策略，包括：

1)将花序数计数问题，确定为目标检测问题，采用基于深度学习的目标检测策略对花序进行计数；

2)针对油菜花序/花簇特征，选择利用无人机RGB影像结合注意力机制的卷积神经网络进行油菜花序的特征提取与计数；

3)采用结合CBAM注意力机制的YOLOv5网络模型，进行输入1张油菜花图片、输出图片油菜花序检测框和花序数计数结果；

4)对网络模型进行训练与优化，使用大量图像数据测算运行速率，检测其运算速度与通量水平。

2.根据权利要求1所述的智能化高通量测算大田油菜花序密度的方法，其特征在于，所述步骤1中，油菜包括甘蓝型油菜、白菜型油菜与芥菜型油菜作物，同时也包括适宜种在各产区的半冬型、春型及冬型三大生态类型油菜。

3.根据权利要求1所述的智能化高通量测算大田油菜花序密度的方法，其特征在于，所述步骤1中，开花期指油菜植株抽薹以后主花序有数个花蕾花瓣展开起算至终花期。

4.根据权利要求1所述的智能化高通量测算大田油菜花序密度的方法，其特征在于，所述步骤1中，所统计的花序数通常以小区或大田随机抽样的区域为拍摄对象，在整个开花期内间隔拍摄获取油菜田开花状态影像数据。

5.根据权利要求1所述的智能化高通量测算大田油菜花序密度的方法，其特征在于，所述步骤1中，对油菜田目标区域的拍摄要根据后期相应图像拼接软件/程序的要求设置合理的图片重叠率。

6.根据权利要求1所述的智能化高通量测算大田油菜花序密度的方法，其特征在于，所述步骤1中，建立无人机油菜花序的大规模数据集，包含上万个油菜花序样本和油菜花序标注信息。

7.根据权利要求1所述的智能化高通量测算大田油菜花序密度的方法，其特征在于，所述步骤2中，采用公式(1)-(4)的评价指标来评估网络模型检测性能：

式中：Precision表示网络模型检测评价指标的查准率，即识别正确的正样本个数占分类器分成的所有正样本个数的比例；Recall表示召回率，即识别正确的正样本个数占实际正样本个数的比例；F1-score指标为精准率和召回率的调和平均数，综合了Precision与Recall的产出的结果，取值范围从0到1；mAP为用于衡量目标检测算法的性能；TP表示正类样本被模型分为了正类样本，FP表示负类样本被模型分为了正类样本；TN表示负类样本被模型分为了负类样本，FN表示正类样本被模型分为了负类样本；C指检测的种类；N表示所有测试集的影像张数；P(k)表示第k张识别影像的精确度；R(k)表示从k-1到k张影像的召回率变化值；

采用公式(5)-(6)的评价指标来评估网络模型计数性能：

式中：模型计数的评价指标中m_i表示真实值网络模型预测值，c_i表示线性模型拟合值，表示平均值；R²表示网络模型预测值和真实值的相关性；RMSE表示真实值与网络模型预测值的偏离程度。

8.一种根据权利要求1-7任一所述的方法所获取的油菜花序密度数据在估测油菜单产及评估油菜长势/生物量方面的应用，包括以下步骤：

1)借助已建立好的模型获取油菜小区的花序密度数据，包括全开花期的及各时间节点的花序密度；

2)测产获取油菜田的小区产量数据，并通过考种获得分枝数产量相关重要性状及收获时总生物量数据，在苗期可通过设置对照打分评估油菜长势水平；

3)利用上述两套数据借助Excel软件开展相关性分析，较高的相关性结果说明所获得数据可以用来评估油菜长势和生物量，并用来预测单产。