中国农业大学苏文浩研究员等:基于RT-DETR的大豆植株多表型测量及产量预测

为了应对传统大豆表型测量方法主观性强、效率低，以及现有卷积神经网络在豆荚检测和籽粒计数中精度不足、主干分枝易受遮挡干扰等问题，该研究使用深度学习方法从单个大豆植物图像中提取表型特征并预测产量。

采用改进的实时检测变换器算法（real-time detection transformer，RT-DETR）融合注意力量表序列融合（attentional scale sequence fusion，ASF）模块，在大豆荚检测的平均精度为0.911，此外，添加小波特征升级（wavelet feature upgrade，WFU）模块的 RT-DETR 模型识别主茎和分支的平均精度为0.940 ，并使用Open CV 提取大豆主茎和分枝面积。

基于提取的豆荚数、豆粒数以及主茎和分枝面积的表型特征信息，集合模型 RF-PLSR 预测单株植株重量的决定系数R²值为0.90。该研究的大豆表型特征提取和产量预测方法为大豆育种和种植优化提供了有价值的见解，并为作物表型组学研究开辟了新的技术途径。