张宇;徐浩然;牛家俊;涂淑琴;赵文锋

华南农业大学数学与信息学院;华南农业大学电子工程学院(人工智能学院)

檀香树;缺苗定位;目标检测;YOLOv4;双重线性回归

在檀香树大面积种植过程中，存在人工排查缺苗效率低、成本高和难以监管等问题，而且檀香树必备的伴生植物和树间穿插的其它作物，更加大了查补难度。针对这些问题，本文提出一种基于YOLOv4和双重回归的复杂环境檀香树缺苗检测和精准定位方法。首先，采用YOLOv4目标检测算法，处理无人机采集的遥感图像，实现檀香树植株的智能检测。然后，以双重线性回归结合延长列线补漏策略为核心，构建缺苗定位算法（Missing seedling localization algorithm, MSL）:选任意檀香树作基准，根据像素坐标划分列区域，对各列区域中檀香树用线性回归拟合列线；对拟合后仍未归入列的遗漏檀香树，用延长回归线策略重新判断归属，并再次线性回归优化列线。最后，根据种植间距规划，实现缺苗检测和定位。试验结果表明，檀香树缺苗检测精确率86.82%、召回率82.25%、F1值84.47%、运行时间8.19 s。该方法融合了大疆无人机遥感图像采集系统的快速性、YOLOv4算法和双重回归策略的精准性，可实现对复杂生长状况下檀香树的实时智能缺苗检测和精准定位。