1.一種面向小麥產(chǎn)量估計(jì)的圖像分割方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的面向小麥產(chǎn)量估計(jì)的圖像分割方法，其特征在于，所述步驟一中的無人機(jī)采用大疆御2系列，有效像素1200萬，有變焦功能，圖傳分辨率1080p，設(shè)定飛行高度為1.4m。
3.根據(jù)權(quán)利要求1或2所述的面向小麥產(chǎn)量估計(jì)的圖像分割方法，其特征在于，所述步驟二中對采集到的圖像進(jìn)行旋轉(zhuǎn)的旋角為15～25度，圖像倒置的概率為0.3～0.5；以0.3～0.5的概率對圖像進(jìn)行圖像通道翻轉(zhuǎn)。
4.根據(jù)權(quán)利要求1所述的面向小麥產(chǎn)量估計(jì)的圖像分割方法，其特征在于，所述步驟三中對改進(jìn)后的yolov8網(wǎng)絡(luò)進(jìn)行訓(xùn)練，改進(jìn)點(diǎn)包括使用c2f_simam模塊替代原本主干網(wǎng)絡(luò)中的c2f模塊、引入漸進(jìn)特征金字塔網(wǎng)絡(luò)重構(gòu)頸部網(wǎng)絡(luò)以及用asddet分割頭代替原yolov8分割頭。
5.根據(jù)權(quán)利要求4所述的面向小麥產(chǎn)量估計(jì)的圖像分割方法，其特征在于，所述的使用c2f_simam模塊替代原主干網(wǎng)絡(luò)中部分c2f模塊，用于提高主干網(wǎng)絡(luò)特征提取能力，具體的特征提取過程為：
6.根據(jù)權(quán)利要求5所述的面向小麥產(chǎn)量估計(jì)的圖像分割方法，其特征在于，所述的c2f_simam模塊是在c2f模塊最后一個卷積層之前加入無參數(shù)的注意力機(jī)制simam，對提取到的局部特征進(jìn)行加權(quán)，并對每個神經(jīng)元定義能量函數(shù)，且能量越低，神經(jīng)元與周圍神經(jīng)元區(qū)別越大、重要性越高，最小能量函數(shù)定義為
7.根據(jù)權(quán)利要求4所述的面向小麥產(chǎn)量估計(jì)的圖像分割方法，其特征在于，所述的改進(jìn)yolov8網(wǎng)絡(luò)通過引入漸進(jìn)特征金字塔網(wǎng)絡(luò)重構(gòu)頸部網(wǎng)絡(luò)進(jìn)行特征融合，并通過使用asddet分割頭代替原yolov8分割頭；其中，特征融合在多層次融合過程中，afpn網(wǎng)絡(luò)利用自適應(yīng)特征融合為不同層的特征分配空間權(quán)重，具體特征融合操作過程為：
8.根據(jù)權(quán)利要求1所述的面向小麥產(chǎn)量估計(jì)的圖像分割方法，其特征在于，所述步驟四中對圖像進(jìn)行分割及根據(jù)分割情況對麥穗進(jìn)行自動計(jì)數(shù)且計(jì)算小麥穗部掩膜面積的具體過程為：
9.根據(jù)權(quán)利要求8所述的面向小麥產(chǎn)量估計(jì)的圖像分割方法，其特征在于，所述步驟五的具體過程為：對數(shù)據(jù)集預(yù)測完成后，將顯示穗部總數(shù)及穗部掩碼總像素的圖像及分割結(jié)果輸出，得到田間小麥穗的生長情況，包括麥穗數(shù)和麥穗飽和度；其中，麥穗飽和度是根據(jù)麥穗分割掩膜圖像素為依據(jù)判斷，為預(yù)測小麥產(chǎn)量提供數(shù)據(jù)信息。