基于YOLOv8m与Deep SORT结合双步Otsu阈值算法的玉米单垄穗丝自动计数系统及其在育种中的应用

《Computers and Electronics in Agriculture》：Tassel counting of individual ridge from UAV RGB imagery based on YOLOv8m with deep SORT and double-step Otsu thresholding algorithm by filtering abnormal IDs for maize breeding

本文提出了一种基于无人机RGB影像的玉米单垄穗丝自动计数系统。该系统整合YOLOv8m目标检测、双步Otsu阈值算法（DSOTSUTA）进行单垄提取，并利用Deep SORT跟踪技术结合异常ID过滤策略，有效解决了相邻垄干扰和ID切换导致的计数误差问题。实验结果表明，该系统平均精度（mAP）达91.6%，计数准确率达92.23%，为玉米育种中作物适应性评估提供了高效精准的技术方案。

　　

亮点

目标检测模型的性能

目标检测模型在检测玉米穗丝方面取得了令人满意的结果。表1中展示的性能指标证明了该检测系统在玉米穗丝数据集上的有效性。测试数据集包含60张图像，总计18,067个真实标注对象，产生了15,694个真正例（TP），1,519个假正例（FP），以及854个假负例（FN）。这些结果对应的精确率（P）为91.6%，召回率（R）为93.2%，其中平均精度（AP）与精确率（P）紧密吻合。这些结果凸显了该模型在穗丝检测方面的高准确性。

结论

本研究提出了一种基于YOLOv8和Deep SORT的玉米单垄穗丝计数系统。所提出的双步Otsu阈值算法（DSOTSUTA）有效过滤了相邻垄的干扰并提取了单垄穗丝，获得了用于精确计数的目标区域，这使得包含多垄玉米穗丝的无人机视频数据能够用于单垄穗丝计数。在测试的育种试验田中，其垄布局严格平行且等距，YOLOv8m模型表现出了卓越的性能。