基于Shuffle-ZoeDepth单目深度估计的苗期

株高是鉴别玉米种质性状及作物活力的重要表型指标，苗期玉米遗传特性表现明显，准确测量苗期玉米植株高度对玉米遗传特性鉴别与田间管理具有重要意义。针对传统植株高度获取方法依赖人工测量，费时费力且存在主观误差的问题，提出了一种融合混合注意力信息的改进ZoeDepth单目深度估计模型。改进后的模型将Shuffle Attention模块加入Decoder模块的4个阶段，使Decoder模块在对低分辨率特征图信息提取过程中能更关注特征图中的有效信息，提升了模型关键信息的提取能力，可生成更精确的深度图。为验证本研究方法的有效性，在NYU-V2深度数据集上进行了验证。结果表明，改进的Shuffle-ZoeDepth模型在NYU-V2深度数据集上绝对相对差、均方根误差、对数均方根误差为0.083、0.301mm、0.036，不同阈值下准确率分别为93.9%、99.1%、99.8%，均优于ZoeDepth模型。同时，利用Shuffle-ZoeDepth单目深度估计模型结合玉米植株高度测量模型实现了苗期玉米植株高度的测量，采集不同距离下苗期玉米图像进行植株高度测量试验。当玉米高度在15~25cm、25~35cm、35~45cm3个区间时，平均测量绝对误差分别为1.41、2.21、2.08cm，平均测量百分比误差分别为8.41%、7.54%、4.98%。试验结果表明该方法可仅使用单个RGB相机完成复杂室外环境下苗期玉米植株高度的精确测量。

Measurement Method of Seedling Stage Maize Height Based on Shuffle-ZoeDepth Monocular Depth Estimation