我院谭峰教授指导的2020级硕士研究生高嘉欣以第1作者，谭峰教授为通讯作者在SCI Q3 ( IF:3.408 )期刊《Agriculture》发表了题为“AMethod for Obtaining the Number of Maize Seedlings Based on theImproved YOLOv4 Lightweight Neural Network”的研究论文。(DOI:http://doi.org/10.3390/agriculture12101679，文章链接：http://www.mdpi.com/2077-0472/12/10/1679

植株数量获取是评估玉米机械播种效果的关键，也是后续统计缺苗数量的参考。针对现有模型进行株数检测时识别准确率低、模型参数量大和单次识别面积小等不足。该研究提出了一种基于改进型YOLOv4轻量级神经网络的玉米幼苗株数检测方法。首先，该方法使用改进的Ghostnet作为模型特征提取网络，在模型中先后引入注意力机制和K-means聚类算法，从而提高玉米幼苗株数的检测精度。其次，使用深度可分离卷积代替普通卷积使网络更加轻量化。最后改进多尺度特征融合网络结构，使模型参数总量得到进一步的降低。使用迁移学习预训练，获取最优模型对测试集进行预测。实验结果表明：模型在全部测试集上的调和均值、召回率、平均精度和准确率分别为0.95、94.02%、97.03%和96.25%，模型网络参数量为18.793M，模型大小为71.690MB，FPS为22.92。研究结果表明，该模型识别准确率高、识别速度快、模型复杂度低，能够为苗期玉米管理提供技术支撑。

本研究得到了黑龙江省自然科学基金(ZD2019F002)、黑龙江八一农垦大学三横三纵(ZRCPY202120)以及2020年大庆市指导性科技项目(zd-2020-68)的资助。