本文提出了一种水稻种子尺寸自动测量算法YOLOrot2.0，该算法在稻米品质评价和遗传育种研究中具有重要意义。现有的稻米测定方法存在着多种局限性，如需要对种子进行预处理和筛选，需要专门的测量设备，测量时间长等。为了解决这些问题，YOLOrot2.0引入了以下改进：首先，利用无锚检测算法优化旋转目标的检测。其次，利用结合水平边界框和光滑L1损失函数的卡尔曼滤波IoU损失函数，加快了网络的收敛速度。此外，通过修改某些卷积层和Context to Fusion模块来调整YOLOv8架构，以增强对较小目标的检测能力。最后，YOLOrot2.0支持对整个图像进行直接处理，消除了对图像分区的需要，从而节省了大量的时间和处理时间。实验结果表明，YOLOrot2.0的mAP（平均精度）得分为0.95，优于其他比较算法。此外，YOLOrot2.0提供高度精确的种子长度和宽度测量，与地面真值密切相关。YOLOrot2.0实现实时检测，对于尺寸为3000×4000像素的图像，平均检测时间仅为11.5ms。

图1  所有种子边界框的坐标和尺寸。(a)所有种子边界框中心点的水平和垂直坐标；(b)所有种子边界框的长度和宽度。

图2   YOLOrot2.0。

图3  YOLO-rot和YOLO-rot2.0的数据表示格式。

图4  SPD层示意图。首先，原始特征图的大小为8×8×1。然后，沿着高度和宽度维度将该特征映射切片为2个特征子映射，每个特征子映射的大小为4×4×1。然后将这4个特征子图合并，形成一个大小为4×4×4的特征图。

图5  SPDConv模块。

图6  RCS模块。

图7  RCS-OSA模块。

图8  五种算法的检测结果。

图9  三幅图像的检测结果。