基于改进YOLOv8和无人机遥感影像的大田烟株数量检测

植株精确计数在精准化农业中至关重要,是监测作物生长和预测产量的重要基础。针对成熟期烟草植株存在的密植、重叠和高空小目标等难题,研究提出了一种轻量级GEW-YOLOv8烟株检测算法。该算法采用GhostC2f模块减少了模型的参数和计算量,并应用高效的多尺度注意力机制来区分被遮挡的烟草植株。此外,还引入了WIoU损失函数,以加速模型收敛并提高准确性。实验结果表明,与原始模型相比,模型的效率和准确性有了显著提高,浮点运算次数减少了24.7%,模型大小减少了26.7%。改进后的模型烟草植株检测平均精度AP 0.5和AP 0.5~0.95分别为99.1%和86.2%,相较于原YOLOv8n模型分别提高了0.8%和3.6%。改进后的模型能够更快、更精确地识别田间烟草植物,为智慧烟草农业提供技术支持。

烟草花粉植株染色体倍性的早期快速鉴定

为了提高烟草单倍体育种效率，对用叶绿体计数法鉴定植株染色体倍性进行了研究。其结果是：以展开第５叶为材料，用植株气孔保卫细胞叶绿体数倍性分界法能早期、快速判定经秋水仙碱处理的烟草花粉植株是单倍体、二倍体或多倍体，其判定结果与开花结实情况有非常高的吻合率，且判定每株仅需１～２ｍｉｎ。