基于YOLOX的小麥穗旋轉(zhuǎn)目標(biāo)檢測

doi：10.15889/j.issn.1002-1302.2024.20.019

摘要：小麥穗檢測對于農(nóng)業(yè)估產(chǎn)和育種研究具有重要意義，但由于小麥穗角度和姿態(tài)多變且存在遮擋和尺度變化等因素，給目標(biāo)檢測帶來較大困難，提出一種針對小麥穗旋轉(zhuǎn)目標(biāo)檢測的改進方法YOLOX-RoC，該方法在YOLOX基礎(chǔ)上使用旋轉(zhuǎn)矩形框代替水平矩形框，更好地擬合小麥穗的輪廓和方向，減少背景干擾和重疊區(qū)域，使模型更具靈活性，更準(zhǔn)確地捕捉小麥穗的特征；添加坐標(biāo)注意力模塊并采用KL散度損失函數(shù)代替交叉熵損失函數(shù)，提高對旋轉(zhuǎn)目標(biāo)的感知能力并解決旋轉(zhuǎn)敏感度的誤差度量問題，優(yōu)化旋轉(zhuǎn)目標(biāo)的定位精度。利用基于圖像合成的 Copy-Paste 數(shù)據(jù)增強方法，生成更多的訓(xùn)練樣本以提高模型對不同尺度、姿態(tài)和遮擋情況的泛化能力，提高模型的魯棒性。試驗結(jié)果表明，YOLOX-RoC的AP比基準(zhǔn)模型提升2.4百分點，針對小尺寸和被嚴(yán)重遮擋的小麥穗目標(biāo)可以更準(zhǔn)確地預(yù)測目標(biāo)邊界和角度，減少漏檢和誤檢。本研究為小麥穗目標(biāo)檢測提供了一種準(zhǔn)確和魯棒的解決方案，為小麥估產(chǎn)和育種的智能化奠定了技術(shù)基礎(chǔ)。

關(guān)鍵詞：目標(biāo)檢測；小麥穗；旋轉(zhuǎn)矩形框；YOLOX；坐標(biāo)注意力模塊；KL額度；損失函數(shù)

中圖分類號：S126；TP391.41" 文獻標(biāo)志碼：A

文章編號：1002-1302（2024）20-0157-08

收稿日期：2023-11-06

基金項目：新疆維吾爾自治區(qū)重大科技專項（編號：2022A02011）。

作者簡介：張世豪（1998—），男，山東臨沂人，碩士研究生，研究方向為深度學(xué)習(xí)與計算機視覺。E-mail：320203293@xjau.edu.cn。

通信作者：董" 巒，博士，副教授，研究方向為深度學(xué)習(xí)與計算機視覺。E-mail：dl@xjau.edu.cn。

小麥?zhǔn)鞘澜缟献钪匾募Z食作物之一［1］，在全球糧食安全和經(jīng)濟發(fā)展中具有關(guān)鍵地位。小麥穗作為小麥植株的主要產(chǎn)量部位，其形態(tài)特征和生長狀態(tài)對小麥產(chǎn)量和品質(zhì)具有重要影響。因此，準(zhǔn)確、快速且自動化地檢測和分析小麥穗，對于提高小麥育種效率、優(yōu)化農(nóng)業(yè)管理、評估小麥產(chǎn)量等具有重要意義。

小麥穗檢測是小麥穗表型分析的基礎(chǔ)和前提，涉及從復(fù)雜背景中提取小麥穗的位置、形狀、大小、方向等信息。這些信息可以用于計算小麥穗的數(shù)量、密度等信息，從而評估小麥的生長狀況和產(chǎn)量潛力。同時，檢測小麥穗也為后續(xù)的小麥穗識別、分類、計數(shù)等任務(wù)提供有效的輸入。

目前，檢測小麥穗主要依賴于基于深度學(xué)習(xí)的目標(biāo)檢測方法，如Faster R-CNN［2］、YOLO［3］、SSD［4］等。Hasan等使用RGB相機拍攝小麥穗圖片，采用Faster R-CNN深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練麥穗識別模型，使用相同的R-CNN架構(gòu)，基于不同的訓(xùn)練和測試圖像數(shù)據(jù)集生成4個不同的模型，在不同的測試圖像集上檢測準(zhǔn)確率為88%～94%的［5］。He等提出基于改進YOLO v4的小麥穗目標(biāo)檢測算法，適用于無人機在田間檢測小麥穗［6］。該方法在自然場景下，包括重疊、遮擋、光照變化、不同顏色和形狀等方面，都能保持出色的性能。劉航等將基于深度殘差網(wǎng)絡(luò)的密度回歸模型引入麥穗的計數(shù)領(lǐng)域，建立原始圖片與密度圖的對應(yīng)關(guān)系，以密度圖像素值總和確定圖像中麥穗數(shù)量，改進后的ResNet-16模型實現(xiàn)了端到端的麥穗計數(shù)，精度達到94%［7］。黃子琦提出一種麥穗檢測網(wǎng)絡(luò)PPYOLO-SE，該網(wǎng)絡(luò)在保證檢測速度的同時提高了模型對小麥麥穗特征的學(xué)習(xí)能力，實現(xiàn)較高的檢測精度和速度，構(gòu)建了基于深度回歸的小麥穗計數(shù)模型，使用Tassel Net V2+網(wǎng)絡(luò)，在小麥大田數(shù)據(jù)集上訓(xùn)練，實現(xiàn)了大田圖像麥穗計數(shù)。經(jīng)過試驗驗證，該模型在大田麥穗數(shù)據(jù)集上的平均檢測精度達到了95.13%［8］。

盡管上述方法在一定程度上提高了檢測效果，但仍存在以下問題：首先，由于小麥穗的特殊形態(tài)，采用傳統(tǒng)的水平矩形框表示其位置和形狀會導(dǎo)致空間冗余和遮擋問題，降低檢測精度和效率。其次，小麥穗在不同生長階段和拍攝角度下會呈現(xiàn)不同的方向，固定方向框的使用忽略了其方向信息，降低了檢測的可解釋性和實用性。最后，現(xiàn)有方法通常需要大量的標(biāo)注數(shù)據(jù)和計算資源，對于數(shù)據(jù)量有限或計算能力受限的場景，使用現(xiàn)有方法面臨數(shù)據(jù)不足或訓(xùn)練時間過長的問題。

針對現(xiàn)有方法的局限性和小麥穗目標(biāo)檢測的需求，本研究提出了一種基于改進YOLOX的小麥穗旋轉(zhuǎn)矩形框檢測方法。通過將YOLOX目標(biāo)檢測算法進行優(yōu)化和改進，將傳統(tǒng)的矩形框替換為旋轉(zhuǎn)矩形框，以更好地適應(yīng)小麥穗的旋轉(zhuǎn)形態(tài)，提高檢測的準(zhǔn)確性和魯棒性。同時，采用Copy-Paste數(shù)據(jù)增強技術(shù)，增強數(shù)據(jù)集的多樣性和豐富性，從而進一步提升模型的性能。本研究在公開的小麥穗目標(biāo)檢測數(shù)據(jù)集上進行試驗，結(jié)果表明，所提出的YOLOX-RoC模型在檢測效率和靈活性方面優(yōu)于傳統(tǒng)的水平矩形框方法，并具有較大的改進空間。本研究為農(nóng)業(yè)領(lǐng)域中的小麥穗檢測提供一種新的解決方案，促進農(nóng)作物生產(chǎn)的智能化和高效化發(fā)展。同時，本研究改進方法也具有一定的通用性，可在其他旋轉(zhuǎn)目標(biāo)檢測任務(wù)中得到應(yīng)用。

1" YOLOX模型簡介

YOLOX模型于2001年提出，與YOLO v5一樣都采用YOLO系列模型的設(shè)計思路［9］，即將目標(biāo)檢測問題轉(zhuǎn)化為單一的回歸問題，并且都采用相似的檢測流程，但YOLOX的無錨框和高級標(biāo)簽分配策略等改進使其特點鮮明。YOLOX模型的主干特征提取網(wǎng)絡(luò)有2種，分別來源于YOLO v3［10］和YOLO v5，本研究使用的YOLOX主干為YOLO v3中的DarkNet53，模型結(jié)構(gòu)見圖1。

其中，CBL模塊是一個簡單而有效的卷積層，由卷積（Conv）、批歸一化（BN）［11］和LeakyReLU激活函數(shù)［12］組成。CBL模塊可以在不改變特征圖的高度和寬度的情況下，提取特征并增加非線性，CBL模塊在YOLOX模型中被廣泛使用。

ResN模塊由1個CBL模塊和多個殘差塊（ResUnit）組成，ResUnit模塊是一個典型的沙漏型殘差塊，它首先使用1個1×1卷積層將輸入通道數(shù)減半，接著使用1個3×3卷積層將輸出通道數(shù)恢復(fù)原來的大小，最后將2個卷積層的輸出與輸入相加得到最終結(jié)果。殘差塊的輸入和輸出通過相加實現(xiàn)特征圖的短路連接，從而增強網(wǎng)絡(luò)的表達能力和梯度傳播，因此可以有效地減少參數(shù)量和計算量，同時保持較高的性能 。

SPP模塊在YOLO v3的SPP-Net模塊［13］的基礎(chǔ)上進行改進，用于特征融合，它通過使用不同尺寸的最大池化層來提取多尺度的特征，然后將池化結(jié)果拼接起來，形成一個更豐富和多尺度的特征表示［14］再送入CBL模塊。SPP模塊是一種輕量化、自適應(yīng)、高效的特征融合方法，可以有效地提升目標(biāo)檢測的性能。

YOLOX的預(yù)測頭（Head）與前文所述YOLO v5的改進的Decouple Head 類似，它將原來的YOLO Head分解為2個獨立的分支，不再共享參數(shù)，分別負責(zé)分類和回歸。通過減少不同任務(wù)之間的耦合使收斂速度和檢測精度提高。

2" YOLOX模型改進

2.1" 坐標(biāo)注意力模塊

注意力機制是一種數(shù)據(jù)處理方法，它讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到對輸入的不同部分賦予的權(quán)重，從而突出相關(guān)的信息。在計算機視覺中，注意力機制的基本思想是讓模型學(xué)會專注，把注意力集中在重要的信息上而忽視不重要的信息。代表性的注意力機制設(shè)計有SE（squeeze-and-excitation）［15］、CBAM（convolutional block attention module）［16］等。

坐標(biāo)注意力（coordinate attention，CA）［17］是一種高效的注意力機制，它可以為模型提供更好的特征表示能力。坐標(biāo)注意力模塊見圖2，它的主要思想是在水平方向和垂直方向上進行平均池化，再進行空間信息編碼，最后把空間信息通過在通道上加權(quán)的方式融合，可以有效地將空間坐標(biāo)信息整合到生成的注意力圖中，在保留位置信息的同時，捕獲輸入特征圖沿不同空間方向的長程依賴關(guān)系。

相對于SE和CBAM，CA可以捕獲空間信息，提高定位和識別能力，SE忽略了空間信息，CBAM則會丟失位置信息和增加計算開銷；CA可以靈活地插入到移動網(wǎng)絡(luò)中，幾乎沒有額外的計算開銷，SE和CBAM都需要增加額外的參數(shù)和計算量，影響移動網(wǎng)絡(luò)的輕量級和高效性；CA可以作為預(yù)訓(xùn)練模型，為密集預(yù)測任務(wù)帶來顯著的性能提升。將CA融入到Y(jié)OLOX模型的小麥穗檢測模型，有望在小目標(biāo)檢測任務(wù)中獲得優(yōu)勢。CA允許模型根據(jù)位置信息分配注意力，提高對小目標(biāo)的感知能力。這將有助于更精確地定位和識別小麥穗，提升模型的檢測準(zhǔn)確性和魯棒性。

2.2" 旋轉(zhuǎn)框預(yù)測頭

YOLOX默認(rèn)的模型算法中只有水平矩形框的表示方法，這意味著它不能很好地檢測傾斜或旋轉(zhuǎn)的目標(biāo)，因此需要設(shè)計旋轉(zhuǎn)矩形框的表示方法。旋轉(zhuǎn)矩形框的邊長表示法是一種用于描述目標(biāo)檢測中的旋轉(zhuǎn)目標(biāo)的方法，它可以用5個參數(shù)來定義1個旋轉(zhuǎn)矩形框，分別是中心點坐標(biāo)、2條邊的長度和旋轉(zhuǎn)角度。

長邊定義法如圖3所示，它使用（x，y，w，h，θ）來表示1個旋轉(zhuǎn)矩形框，其中（x，y）是中心點坐標(biāo)，W和H分別是2條邊的長度，θ是逆時針方向到長邊所成直線與x軸正方向夾角，規(guī)定θ∈-π2，π2。

為了適應(yīng)旋轉(zhuǎn)目標(biāo)檢測的任務(wù)，YOLOX的預(yù)測頭需要進行一些改進。除了原有的類別分類頭和邊界框回歸頭，還需要增加1個角度回歸頭，用于學(xué)習(xí)目標(biāo)的旋轉(zhuǎn)角度信息。修改后的預(yù)測頭的結(jié)構(gòu)見圖4。

2.3" KL散度損失函數(shù)

YOLOX的損失函數(shù)主要由3個部分組成：分類損失、置信度損失、定位損失。其中，分類損失和置信度損失采用的是二元交叉熵損失函數(shù)，見式（1）：

BCELoss=-1N∑Ni=1yi×ln［σ（xi）］+（1-yi）×ln［1-σ（xi）］。（1）

式中：σ（xi）為Sigmoid激活函數(shù)；BCELoss為二元交叉熵損失函數(shù)；N表示樣本數(shù)量。yi是第i個樣本的真實標(biāo)簽。

在目標(biāo)檢測任務(wù)中，對于旋轉(zhuǎn)邊界框的角度參數(shù)進行回歸時，存在旋轉(zhuǎn)敏感度誤差問題，這會導(dǎo)致模型訓(xùn)練不穩(wěn)定，從而影響檢測精度。為了解決這個問題，本研究采用KL散度（kullback-leibler divergence，KLD）［18］作為損失函數(shù)進行邊界框回歸損失的計算。KL散度是一種用于衡量2個概率分布之間差異的指標(biāo)，可以將旋轉(zhuǎn)邊界框轉(zhuǎn)換為二維高斯分布，并計算高斯分布之間的相對熵，從而得到損失函數(shù)的值。通過使用KL散度作為損失函數(shù)，可以有效地解決旋轉(zhuǎn)敏感度誤差問題，并提高模型的訓(xùn)練穩(wěn)定性和檢測精度，KL散度如公式（2）所示。

DKL（NP‖Mt）=12（up-ut）T∑-1t（up-ut）+12Tr（∑-1t∑p）+12ln|∑t||∑p|-1。（2）

其中：（up-ut）T∑-1t（up-ut）、Tr（∑-1t∑p）和 ln|∑t||∑p| 分別如式（3）、（4）、（5）所示。

（up-ut）T∑-1t（up-ut）=4（Δxcosθt+Δysinθt）2w2t+4（Δycosθt-Δxsinθt）2h2t； （3）

Tr（∑-1t∑p）=h2pw2tsin2Δθ+w2ph2tsin2Δθ+h2ph2tcos2Δθ+w2pw2tcos2Δθ；（4）

ln|∑t||∑p|=lnh2th2p+lnw2tw2p。（5）

其中：Δx=xp-xt、Δy=yp-yt、Δθ=θp-θt分別是預(yù)測框和真實框之間的中心點坐標(biāo)和角度差值；u表示二元高斯分布的均值；∑表示協(xié)方差矩陣；p（預(yù)測）和t（實際）區(qū)分2個獨立的高斯分布；∑-1t表示∑t的逆矩陣；Tr表示矩陣的跡；θ表示bonding box的旋轉(zhuǎn)角度；p和t區(qū)分預(yù)測和真實的2個box；h是高度；w是寬度。

KL散度損失函數(shù)計算公式如式（6）所示，如果KL散度DKL（Np‖Nt）等于0，那么損失函數(shù)也為0；如果KL散度很大，損失函數(shù)為1，在KL散度上利用y=lnx函數(shù)來平滑損失函數(shù)。

LKLD（Np‖Nt）=1-11+ln［DKL（Np‖Nt）］。（6）

KL散度損失函數(shù)能夠根據(jù)目標(biāo)的尺度動態(tài)調(diào)整權(quán)重，從而減少微小的角度誤差對檢測精度的影響，使得高精度的旋轉(zhuǎn)檢測成為可能［19］。

3" 數(shù)據(jù)集

3.1" 數(shù)據(jù)集制作

本研究主要使用GWHD 2021（global wheat head detection 2021）數(shù)據(jù)集和WEDD（wheat ears detection dataset）數(shù)據(jù)集。

GWHD2021數(shù)據(jù)集中的小麥穗圖片來自亞洲、歐洲、美洲、非洲、大洋洲的12個國家［20］，拍攝于2015—2021年，包括6 500張圖片和275 000個小麥穗，分辨率為1 024像素×1 024像素，可以有效地避免因為麥穗特征單一或者代表性不足而導(dǎo)致擬合到特定數(shù)據(jù)集，在實際小麥穗圖像檢測中效果較差的問題。

WEDD（wheat ears detection dataset）是Madec等提供的公開數(shù)據(jù)集［21］，包含236張6 000像素×4 000 像素的高分辨率小麥圖片，共有30 729個小麥麥穗。該數(shù)據(jù)采集于2017年6月在法國格雷烏萊班（43.7°N，5.8°E）的麥田表型平臺，使用索尼 ILCE-6000 數(shù)碼相機，并將相機固定在吊桿上距離地面2.9 m進行拍攝。2個數(shù)據(jù)集圖片見圖5。

目前公開的小麥穗數(shù)據(jù)集圖片都是使用水平矩形框標(biāo)注的，這種標(biāo)注方式存在一定的局限性，例如無法準(zhǔn)確地描述小麥穗部的形狀和方向，容易造成標(biāo)注框之間的重疊等問題。為了實現(xiàn)更精確的目標(biāo)檢測，本研究選取公開數(shù)據(jù)集中的部分圖片，使用旋轉(zhuǎn)矩形框進行重新標(biāo)注。

標(biāo)注1個旋轉(zhuǎn)矩形是比較困難的，因為旋轉(zhuǎn)矩形的4個點是落于旋轉(zhuǎn)目標(biāo)的輪廓外邊，很難快速定位到4個點的位置并標(biāo)注1個比較符合預(yù)期的旋轉(zhuǎn)矩形，更多的是標(biāo)注1個比較扭曲的四邊形（圖6）。針對這種標(biāo)注耗時、費力的情況，本研究使用了十字標(biāo)注法，將原本順時針標(biāo)注變?yōu)榻徊鏄?biāo)注，而這些交叉標(biāo)注的點都落于目標(biāo)上，將1條對角線作為基準(zhǔn)線，即目標(biāo)的朝向，另外2個點向這條基準(zhǔn)線做垂線，將“十”字標(biāo)注轉(zhuǎn)為旋轉(zhuǎn)矩形框，結(jié)果如圖6-b所示。

旋轉(zhuǎn)矩形框圖片使用Labelme工具標(biāo)注，標(biāo)注示意圖見圖7，圖像標(biāo)注完成后劃分為訓(xùn)練集、驗證集、測試集。訓(xùn)練集用于訓(xùn)練模型的參數(shù)，使模型能夠擬合數(shù)據(jù)的特征和規(guī)律［22］。驗證集用于調(diào)整模型的超參數(shù)，如學(xué)習(xí)率、正則化系數(shù)等，以優(yōu)化模型的性能和泛化能力。測試集用于評估模型在未知數(shù)據(jù)上的表現(xiàn)，檢驗?zāi)Ｐ偷臏?zhǔn)確度和魯棒性。

本研究對上述2個公開數(shù)據(jù)集的圖片重新標(biāo)注旋轉(zhuǎn)矩形框標(biāo)簽，并用于比較水平矩形框的模型訓(xùn)練和檢測效果。所制作的數(shù)據(jù)集共包含408張圖片，其中386張的分辨率為1 024像素×1 024像素，來自GWHD2021數(shù)據(jù)集；另外22張的分辨率為6 000像素×4 000像素，來自WEDD數(shù)據(jù)集。這些圖片來源各不相同，具備一定的復(fù)雜度和多樣性，同時包含水平矩形框和旋轉(zhuǎn)矩形框2種標(biāo)簽。為了評估不同模型的性能，將這2個數(shù)據(jù)集按照8 ∶1 ∶1的比例劃分為訓(xùn)練集、驗證集和測試集。本研究基于這2個數(shù)據(jù)集，對YOLOX模型進行了進一步的研究和改進。

3.2" 數(shù)據(jù)增強

由于本研究使用的旋轉(zhuǎn)矩形框數(shù)據(jù)集相比水平矩形框數(shù)據(jù)集少一些，因此可以進一步使用數(shù)據(jù)增強方法擴充數(shù)據(jù)集，以提高模型檢測效果。在使用更多的隨機平移、裁剪、Mosaic和Mixup數(shù)據(jù)增強

方法的同時，額外使用Copy-Paste方法［23］，Copy-Paste是一種簡單而有效的數(shù)據(jù)增強方法，它的基本思想是：從訓(xùn)練集中隨機選擇2幅圖像，從其中一張圖片中隨機選擇一個目標(biāo)子集，并將其復(fù)制粘貼到另一張圖片中的隨機位置，同時更新相應(yīng)的標(biāo)注框信息。這樣可以豐富數(shù)據(jù)中的場景和對象的組合，提高模型對不同尺度、姿態(tài)和遮擋的泛化能力，使用數(shù)據(jù)增強后的效果見圖8。

4" 模型訓(xùn)練

4.1" 試驗配置與參數(shù)

本試驗全部在Linux環(huán)境下進行，訓(xùn)練模型的操作系統(tǒng)為Ubuntu 18.04.6 LTS，圖形處理器為NVIDIA Tesla P100，計算機內(nèi)存和顯存均為16 GB，具體配置信息見表1。本研究訓(xùn)練YOLO v5模型采用的超參數(shù)設(shè)置見表2。

4.2" 評價指標(biāo)

Precision和Recall是2個常用的評價分類模型性能的指標(biāo)。Precision（P）表示預(yù)測為正例的樣本中真正為正例的比例，也就是正確預(yù)測的正例占所有預(yù)測為正例的樣本的比例。

在平面直角坐標(biāo)系中以Recall（R）值為橫軸，P值

為縱軸，可以得到PR曲線，AP（average precision）是Precision-Recall曲線下的面積，可使用積分計算，如式（7）所示。AP綜合考慮P和R 2個指標(biāo)，能夠更全面地評估模型的性能。

5" 試驗結(jié)果與分析

試驗結(jié)果見表3，其中YOLOX為基礎(chǔ)模型，YOLOX_CA為在此基礎(chǔ)上添加坐標(biāo)注意力模塊；YOLOX_Rotation為修改預(yù)測頭和損失函數(shù)后的旋轉(zhuǎn)矩形框檢測模型，YOLOX_Rotation_CA為該模型添加坐標(biāo)注意力模塊后的模型，并命名為YOLOX-RoC。

添加坐標(biāo)注意力模塊后，YOLOX_CA和YOLOX_Rotation_CA（YOLOX-RoC）模型在AP0.5和AP0.5 ∶0.95 2個指標(biāo)上都有顯著的提升，分別達到了78.4%和41.9%，以及78.9%和43.9%。這說明坐標(biāo)注意力模塊可以有效地增強特征表示能力，提高小麥穗檢測的準(zhǔn)確性。同時，YOLOX-RoC模型相比于YOLOX_CA模型有更高的性能，這表明旋轉(zhuǎn)矩形框相比于水平矩形框更適合于小麥穗檢測任務(wù)。然而，值得注意的是， YOLOX-Rotation模型

的算法復(fù)雜度也相對較高，比YOLOX模型更復(fù)雜。

圖9展示了YOLOX_Rotation_CA（YOLOX-RoC）模型在檢測小麥穗時相對于其他模型的優(yōu)勢。首先，在遮擋較嚴(yán)重的圖像中，只有YOLOX-RoC模型可以正確識別出被遮擋的麥穗，并且使用旋轉(zhuǎn)矩形框更準(zhǔn)確地擬合麥穗的輪廓（圖9-a）。其次，在圖像中較小的小麥穗目標(biāo)下，只有YOLOX-RoC模型可以辨別出這些較小且難以識別的小麥穗目標(biāo)，并且使用坐標(biāo)注意力模塊可以更好地突出這些目標(biāo)區(qū)域（圖9-b）。最后，在圖像中存在多個不同方向和大小的小麥穗目標(biāo)時，只有YOLOX-RoC模型可以準(zhǔn)確地檢測出所有的目標(biāo)，并且使用旋轉(zhuǎn)矩形框和坐標(biāo)注意力模塊可以更好地表示目標(biāo)的位置、方向和大小（圖 9-c）。

6" 結(jié)論

本研究提出了一種新的旋轉(zhuǎn)目標(biāo)檢測方

法——YOLOX-Rotation， 結(jié)合坐標(biāo)注意力模塊， 取得了顯著優(yōu)勢。相較于水平矩形框，旋轉(zhuǎn)矩形框在小麥穗檢測任務(wù)中更精確，提供更好的可視化效果，且在模型精度和靈活性上表現(xiàn)更好。本研究主要通過以下幾個關(guān)鍵改進來實現(xiàn)這一進展：（1）重新設(shè)計旋轉(zhuǎn)目標(biāo)的表示方法，修改YOLOX的預(yù)測頭，以更好地表示旋轉(zhuǎn)目標(biāo)的位置和姿態(tài)，從而提高模型的性能；（2）采用KL散度損失函數(shù)來解決旋轉(zhuǎn)敏感度誤差，提高了訓(xùn)練穩(wěn)定性和檢測精度；（3）采用Copy-Paste數(shù)據(jù)增強方法，擴充了訓(xùn)練樣本，增加了數(shù)據(jù)的多樣性和復(fù)雜性，提高了模型的泛化能力；（4）引入坐標(biāo)注意力模塊，以增強特征表示能力。這一模塊能更好地捕獲特征圖的依存關(guān)系，提高檢測效果。通過試驗驗證，改進后的YOLOX-RoC模型AP值提升2.4百分點，特別在小目標(biāo)和遮擋嚴(yán)重的情況下表現(xiàn)出色。

綜上所述，本研究在旋轉(zhuǎn)目標(biāo)檢測領(lǐng)域取得了顯著的進展，提出的YOLOX-RoC方法在檢測精度和泛化能力上表現(xiàn)出色，但仍然存在一些潛在的改進空間。未來可以進一步研究如何進一步提高模型的魯棒性和效率，以及如何更好地適應(yīng)更復(fù)雜多樣化的場景，使其在實際應(yīng)用中具有更廣泛的價值和應(yīng)用前景。

參考文獻：

［1］Zhao C J，Zhang Y，Du J J，et al. Crop phenomics：current status and perspectives［J］. Frontiers in Plant Science，2019，10：714.

［2］Girshick R. Fast R-CNN［C］//2015 IEEE International Conference on Computer Vision. Santiago：IEEE，2015：1440-1448.

［3］Redmon J，Divvala S，Girshick R，et al. You only look once：unified，real-time object detection［C］//2016 IEEE Conference on Computer Vision and Pattern Recognition.Las Vegas：IEEE，2016：779-788.

［4］Liu W，Anguelov D，Erhan D，et al. SSD：single shot MultiBox detector［M］//Lecture Notes in Computer Science.Cham：Springer International Publishing，2016：21-37.

［5］Hasan M M，Chopin J P，Laga H，et al. Detection and analysis of wheat spikes using Convolutional Neural Networks［J］. Plant Methods，2018，14：100.

［6］He M X，Hao P，Xin Y Z.A robust method for wheatear detection using UAV in natural scenes［J］. IEEE Access，2020，8：189043-189053.

［7］劉" 航，劉" 濤，李世娟，等. 基于深度殘差網(wǎng)絡(luò)的麥穗回歸計數(shù)方法［J］. 中國農(nóng)業(yè)大學(xué)學(xué)報，2021，26（6）：170-179.

［8］黃子琦. 基于深度學(xué)習(xí)麥穗識別的小麥估產(chǎn)研究［D］. 泰安：山東農(nóng)業(yè)大學(xué)，2022：3-4.

［9］Ge Z，Liu S，Wang F，et al. Yolox：Exceeding yolo series in 2021［EB/OL］. （2021-07-18）［2023-10-05］. https：//arxiv.org/abs/2107.08430.

［10］Redmon J，F(xiàn)arhadi A.YOLO v3：an incremental improvement［EB/OL］. （2018-04-08）［2023-10-05］. https：//arxiv.org/abs/1804.02767v1.

［11］Ioffe S，Szegedy C. Batch normalization：accelerating deep network training by reducing internal covariate shift［J］. 32nd International Conference on Machine Learning，2015，1：448-456.

［12］Xu B，Wang N Y，Chen T Q，et al. Empirical evaluation of rectified activations in convolutional network［EB/OL］. （2015-11-27）［2023-10-05］. https：//arxiv.org/abs/1505.00853v2.

［13］He K M，Zhang X Y，Ren S Q，et al. Spatial pyramid pooling in deep convolutional networks for visual recognition［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2015，37（9）：1904-1916.

［14］Huang Z C，Wang J L，F(xiàn)u X S，et al. DC-SPP-YOLO：dense connection and spatial pyramid pooling based YOLO for object detection［J］. Information Sciences，2020，522：241-258.

［15］Hu J，Shen L，Sun G.Squeeze-and-excitation networks［C］//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Salt Lake：IEEE，2018：7132-7141.

［16］Woo S，Park J，Lee J Y，et al. CBAM：convolutional block attention module［M］//Lecture Notes in Computer Science.Cham：Springer International Publishing，2018：3-19.

［17］Hou Q B，Zhou D Q，F(xiàn)eng J S.Coordinate attention for efficient mobile network design［C］//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Nashville：IEEE，2021：13708-13717.

［18］Yang X，Yang X J，Yang J R，et al. Learning high-precision bounding box for rotated object detection via kullback-leibler divergence［EB/OL］. （2021-06-03）［2023-10-05］. https：//arxiv.org/abs/2106.01883v5.

［19］Zakaria Y，Mokhtar S A，Baraka H，et al. Improving small and cluttered object detection by incorporating instance level denoising into single-shot alignment network for remote sensing imagery［J］. IEEE Access，2022，10：51176-51190.

［20］David E，Serouart M，Smith D，et al. Global Wheat Head Dataset 2021：more diversity to improve the benchmarking of wheat head localization methods［EB/OL］. （2021-06-03）［2023-10-05］. https：//arxiv.org/abs/2105.07660v2.

［21］Madec S，Jin X L，Lu H，et al. Ear density estimation from high resolution RGB imagery using deep learning technique［J］. Agricultural and Forest Meteorology，2019，264：225-234.

［22］劉" 穎，劉紅燕，范九倫，等. 基于深度學(xué)習(xí)的小目標(biāo)檢測研究與應(yīng)用綜述［J］. 電子學(xué)報，2020，48（3）：590-601.

［23］Ghiasi G，Cui Y，Srinivas A，et al. Simple copy-paste is a strong data augmentation method for instance segmentation［C］//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Nashville：IEEE，2021：2918-2928.