基于 H-RT-DETR 的无人机遥感图像玉米苗期植株识别研究

时间：2025年5月15日

来源：Plant Methods

编辑推荐：

为解决传统人工监测玉米苗期费时易错、无人机遥感图像中小目标检测难的问题，研究人员开展基于分层特征提取和 RT-DETR 的 H-RT-DETR 模型研究。结果显示该模型 mAP0.5–0.95达 51.2%，FPS 达 84f/s，为玉米苗情实时监测提供技术支撑。

在农业现代化进程中，玉米作为我国主要粮食作物，其苗期生长状态的精准监测对产量预估与田间管理至关重要。传统人工计数方式耗时费力，且在复杂田间环境下易受杂草、地形等干扰，难以满足实时性需求。无人机（UAV）遥感技术虽能高效获取作物图像，但图像中玉米幼苗常以小目标形式存在，背景噪声多、目标特征不显著，导致基于传统卷积神经网络（CNN）的检测模型（如 YOLO 系列）面临检测精度低、实时性不足等挑战。如何突破小目标检测瓶颈，实现玉米苗期植株的快速精准识别，成为农业遥感领域亟待解决的关键问题。

为此，江苏大学的研究人员开展了相关研究，旨在开发一种适用于无人机遥感图像的玉米苗期植株检测模型。其研究成果发表在《Plant Methods》，提出的 H-RT-DETR（Hierarchical-Real-Time DEtection TRansformer）模型通过结构创新，显著提升了小目标检测性能，为玉米苗情监测提供了新的技术路径。

研究人员主要采用了以下关键技术方法：

分层特征提取网络（Hierarchical Feature Representation, HFR）：替代传统 ResNet backbone，通过四层 Transformer Block 提取多尺度特征，包括高分辨率粗特征和低分辨率细粒度特征，增强对不同大小目标的表征能力。
高效自注意力机制（Efficient Self-Attention）：在 Transformer Block 中引入降维比例 R，将计算复杂度从 O (N²) 降至线性级别，在保证速度的同时提升全局特征建模能力。
端到端检测框架：基于 RT-DETR 架构，无需非极大值抑制（NMS）后处理，直接输出检测结果，提升推理效率。

模型训练与性能验证

研究团队在江苏农业博览园采集了玉米苗期无人机图像（飞行高度 10 米，分辨率 8192×5460 像素），经裁剪、数据增强后构建包含 3360 张训练集、960 张验证集和 480 张测试集的数据集。通过对比 YOLOv5、YOLOv7、YOLOv8、YOLOX 及 RT-DETR 等模型，H-RT-DETR 展现出显著优势：

检测精度：mAP_0.5–0.95为 51.2%，mAP_0.5达 94.7%，平均召回率（AR）68.5%，均优于对比模型。
实时性能：帧率（FPS）达 84f/s，虽略低于 RT-DETR（87f/s），但无需 NMS 操作，计算效率更高。
计数实验：在 10 张测试图像（含 2613 株玉米苗）中，H-RT-DETR 精确率（Precision）99.88%，召回率（Recall）98.81%，误检与漏检率显著低于 YOLO 系列。

模型创新与局限

H-RT-DETR 的核心创新在于将 Transformer 的全局建模能力与分层特征提取结合，通过混合编码器（Efficient Hybrid Encoder）实现跨尺度特征融合，有效应对无人机图像中玉米苗的小目标特性。消融实验表明，Transformer Block 中高效自注意力模块的数量（N 值）直接影响精度与速度平衡，当 N=[2,2,2,2] 时，模型在准确率与实时性间取得最优解。

然而，研究仍存在一定局限性：实验仅在单一飞行高度（10 米）和较少噪声场景下验证，未涵盖复杂天气（如雾天）或高杂草密度环境；模型实时性较 RT-DETR 略有下降，未来需进一步优化计算复杂度。

研究意义与应用前景

该研究首次将分层 Transformer 架构引入玉米苗期检测，突破了传统 CNN 对小目标特征提取的局限性，为无人机遥感在智慧农业中的应用提供了高效解决方案。H-RT-DETR 不仅可直接用于玉米苗情监测，其多尺度特征融合与高效自注意力机制亦为其他作物（如小麦、水稻）的小目标检测提供了通用框架。结合边缘计算技术，该模型有望部署于无人机终端，实现田间作物生长状态的实时分析，为精准农业、智能植保及产量预测奠定技术基础，对保障粮食安全具有重要现实意义。