大豆豆荚数是大豆产量的重要指标之一，荚果计数在产量估算、栽培管理、品种选育等方面具有重要意义。手动计数豆荚既缓慢又费力。在作物计数中，利用目标检测网络是常用的方法，但由于豆荚分散重叠，使得豆荚的检测和计数困难。

基于YOLO X框架，提出了一种命名为YOLO POD的模型（图2），在三个不同数据集（图1）及数据增强（图4）上进行试验。在YOLO X的基础上，增加了预测豆荚数量的模块，修改了损失函数，采用了空间金字塔池-快速（Spatial Pyramid Pooling-Fast，SPPF，图3）结构，并引入了卷积块注意力模块(Convolutional block Attention Module, CBAM，图5)，实现了豆荚的准确识别和计数，而不降低推断的速度。结果（图6和7）表明，YOLO POD预测数与地面真实值的R2达到0.967，较YOLO X提高了0.049，而推理时间仅增加了0.08 s。此外，MAE、MAPE、RMSE分别仅为4.18、10.0%、6.48，偏差很小。

本文首次实现了大豆豆荚的精确计数，为高密度物体的检测和计数提出了一种新的解决方案。

图1 三个不同数据集的大豆图像示例

图2 YOLO X的整体结构和子模块说明

图3 说明空间金字塔池和空间金字塔池-快速的区别。SPPB使用3个不同内核大小的池化层，而SPPBF使用3个连续的内核大小= 5的池化层

图4 YOLO POD图像增强

图5 YOLO POD检测头示意图。在YOLO X头部的基础上，增加了自注意模块和预测豆荚数的新分支

图6 在Renshou 2021 数据集的YOLO系列的检测结果示例。绿色方框表示正确检测到的豆荚，红色方框表示不正确的结果，蓝色方框表示丢失的豆荚

图7 不同模型的热图示例:一个输入图像;b YOLO X;c无数字预测模块的YOLO POD;d YOLO POD