浙江托普云农科技股份有限公司

小麦的生育期长度直接影响到整个生产周期和作物的产量，而抽穗期关系到小麦生殖生长过程中的水肥药管理。本模型通过关联融合无人机采集的小麦图像特征与抽穗期特征，学习二者之间的映射关系，解决了小麦生长过程中抽穗期识别问题，可以实现对小麦抽穗期生育期的精准预测，进而帮助农户合理规划田间管理时间与管理措施，提高农户管理效率，降低病虫害发生程度，提产增产。一、加工前的数据说明 利用搭载高清可见光相机的无人机采集小麦种植区的高分辨率影像数据。 二、处理规则 （一）抽穗期特征选择 对调查获取的小麦抽穗期数据进行清洗，提取与抽穗期强相关的数据特征，并进行数据标准化。 （二）图像特征识别 采用YOLOv8目标检测与图像处理技术对无人机采集的小麦图像进行处理，自动识别麦穗、小麦植株种植区域、株高等信息；经由统计分析得到麦穗数量、密度分布数据。 （三）模型建立 将小麦抽穗期特征数据与无人机采集的小麦图像特征数据进行关联融合，形成训练数据集；建立生育期预测模型，学习小麦图像特征与抽穗期特征之间的映射关系。 模型训练及测试参数如下： 标签种类：稻穗；识别结果数：1666；验证区域（像素）：120pix*120pix；区域内识别结果数：376；植株数量：1812/㎡；识别抽穗密度：0.83；识别用时：0.128s；模型名称：Yolov8；学习率：0.001；权重衰减(weight-epochs)：0.0005；批量大小(batch)：24；定位损失：0.029；分类损失：0.271；训练精度：0.97；召回率：0.94；F1值：0.954。 基于上述参数调优完成模型训练，最终形成可用于抽穗期预测的生育期预测模型。 （四）模型应用 将新采集的小麦图像输入到最终模型，模型会自动预测图像中的小麦是否进入抽穗期生育期，输出抽穗期标识，帮助制定防治策略。 三、数据内容描述 最终形成的数据集合包含以下内容：无人机麦穗影像数据，麦穗标记标签数据，麦穗数量、密度分布、抽穗期标识。