基于无人机航拍图像与改进IntegrateNet的稠密云杉计数

苗木数量统计和库存管理对于大型苗圃经营和管理十分重要。该研究针对种植稠密的云杉地块,以无人机航拍云杉图像为对象,提出一种改进IntegrateNet模型,实现稠密云杉的准确计数。选择对稠密目标识别性能好的IntegrateNet为基础模型,根据稠密云杉粘连严重以及杂草背景干扰进行改进,首先使用自校正卷积(self-calibrated convolutions,SCConv)提高卷积感受野,增强模型对于不同尺寸云杉的适应能力。其次,在特征融合处应用十字交叉注意力机制(criss-cross attention,CCA)提高模型对上下文信息的提取能力。以平均计数准确率(mean counting accuracy,MCA)、平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)和决定系数R2为评价指标。分析结果表明,改进IntegrateNet模型在181幅测试集上的平均计数准确率,平均绝对误差,均方根误差,决定系数分别达到98.32%,8.99株、13.79株和0.99,相较于TasselNetv3_lite、TasselNetv3_seg和IntegrateNet模型,平均计数准确率分别提升16.44、10.55和9.26个百分点,平均绝对误差分别降低25.62、10.45和6.99株,均方根误差分别降低48.25、13.84和12.52株。改进IntegrateNet模型能够有效提高稠密云杉的计数准确率,可为完善苗木数量统计系统提供算法基础。