一种基于深度学习神经网络的稻穗穗粒识别方法及系统

本发明公开了一种基于深度学习神经网络的稻穗穗粒识别方法及系统，首先通过对稻穗图像进行精确的掩码标注和系统性预处理，增强输入数据质量；其次，在MaskR‑CNN模型中引入自注意力机制，有效捕捉特征图中任意位置之间的长距离依赖关系，强化模型对稻穗整体结构的理解能力，尤其提升了对被遮挡或形态不完整稻穗的识别效果；进一步地，融合多点回归策略，根据不同IoU阈值动态分配回归权重，综合利用多个高质量候选框的回归结果进行精细化修正，显著提高了稻穗定位的准确性和鲁棒性。由此，本发明能够有效应对田间复杂环境带来的干扰，在保证高召回率的同时降低误检与漏检，实现了更精准、稳定的稻穗自动统计，为后续农业决策提供可靠的数据支持。