近日，由我院完成的一篇深度学习模型应用研究论文“SwinT-YOLO: Detection of densely distributed maize tassels in remote sensing images”被中科院分区一区Top期刊《COMPUTERS AND ELECTRONICS IN AGRICULTURE》接收并出版。该论文第一作者为我院研究生张晓勐，指导老师为朱德利教授。

    玉米雄穗在玉米生产及品种鉴別等方面具有重要的作用，其性状在一定程度上也和产量相关，自动监测玉米抽雄期能有效观察玉米生长状况，现阶段的玉米雄穗检测方法无法很好地完成实时检测任务。为了解决这些问题，本文提出一种兼顾检测精度与检测速度的新检测模型SwinT-YOLO。以检测精度高但参数量和计算量较大的YOLOv4作为检测的基准模型，使用轻量级神经网络Chostvet替换YOLOv4的主干特征提取网络，在加强特征提取网络中使用深度可分离卷积模块替代普通卷积模块,并将激活两数更换为稀疏性较强的ReLU6,从而有效地进行轻量化。使用无人机在中国西南地区的玉米农田采集数据样本,随机采用镜像对称仿射变换、高斯 加噪、对比度变化的方式对数据样本增强，使试验模拟出复杂环境下的玉米雄穗在不同气候与光照呈现出不同的特征。结果表明，新模型适合部署在无人机平台上进行玉米雄穗的实时检测，综合对比各个模型的精度、检测速度、模型參数，新模型的各项指标优于其他检测模型。

   《COMPUTERS AND ELECTRONICS IN AGRICULTURE》是农林科学领域下的农业综合期刊，提供国际范围内关于计算机硬件、软件、电子仪器和控制系统的开发和应用进展的国际报道，以解决农业问题。期刊官网显示最新影响因子为6.757分。