长江信息通信杂志

摘要：水稻是我国重要的粮食作物,因此水稻植株的精准计数与定位对于水稻产量预测、育种筛选及栽培管理具有重要意义,是实现精准农业的关键环节之一。然而,田间环境下植株存在严重重叠、尺度多变以及背景复杂等问题,给自动化计数带来了巨大挑战。为解决上述问题,文章以P2PNet模型为基准,提出了一种基于三重注意力机制与多尺度特征融合的水稻植株计数模型P2PNet-TRP,为了验证该模型性能构建了一个包含150张不同密度水稻图像的数据集,并分别在高密度和低密度两组数据集上进行了试验,试验结果表明在高密度水稻图像上P2PNet-TRP的平均绝对误差(MAE)和均方根误差(RMSE)分别为6.85和8.34,从而实现水稻植株的计数和定位。

关键词： 卷积神经网络;水稻计数;水稻定位;

DOI： 10.20153/j.issn.2096-9759.2026.06.019

专辑： 信息科技;农业科技

专题： 农作物;计算机软件及计算机应用

分类号： S511;TP391.41