国际知名期刊Frontiers in Plant Science发表团队重要研究

　　在小麦育种中，穗数是评价小麦产量的重要指标。及时、准确地获取小麦穗数对产量预测具有重要的现实意义。本研究提出了一种基于改进注意力机制的YOLOv5s方法，该方法能够准确检测小麦穗数，较好地解决了小麦穗的遮挡和交叉重叠问题。该方法在YOLOv5S网络模型的骨干结构的C3模块中引入了一个高效的通道注意模块(ECA)，同时在颈部结构和头部结构之间插入了全局注意机制模块(GAM)，该注意机制可以更有效地提取特征信息和抑制无用信息。改进后的YOLOv5s模型用于估算小麦穗数，其准确率达到71.61%，比标准YOLOv5s模型提高了4.95%。改进YOLOv5s方法提高了其在复杂田间环境中的适用性，为小麦穗数自动识别以及估产提供了技术参考。

　　河南省农业科学院农业经济与信息研究所/农业农村部黄淮海智慧农业技术重点实验室为第一完成单位，河南省农业科学院农业经济与信息研究所臧贺藏博士、副研究员为第一作者，郑州师范学院王言景博士、河南省农业科学院农业经济与信息研究所李国强研究员为通讯作者。

　　该研究得到了河南省科技攻关项目、河南省农业科学院自主创新项目、河南省农业科学院农业经济与信息研究所科技创新领军人才培养计划的资助。