在包括产量估算、病害检测和育种在内的一系列农业应用中，必须准确有效地识别谷物植株的穗状物。传统的基于人工特征提取和阈值分割的方法不仅耗时耗力，而且还容易受到作物变异的影响。深度学习算法可以用于自动化这一过程，因为它们可以直接从图像中提取复杂的信息，并产生突出的结果。本文综述了近年来基于深度学习的谷类植物穗部检测的研究进展，重点介绍了目标检测和图像分割。

我们还讨论了不同深度学习架构和训练方法的主要优点和缺点，以及它们在玉米、水稻、小麦和高粱上的应用实例。开发强大的图像处理算法，在无人机等其他领域使用深度学习，以及利用大型和多样化的数据集，都是我们研究中概述的未来研究方向的挑战。通过将先进的计算机视觉技术与精准农业相结合，本文试图推动这一有趣领域的进一步研究和创新。我们对基于深度学习的谷类植物穗部检测的当前发展进行了全面的分析，并强调了这项技术如何为精准农业做出重大贡献。

图1 用于图像分类(A)、分割(b)和目标检测(c)的深度学习结构示意图

图2 田间水稻、小麦和玉米作物的示例图像，突出了作物穗部外观的复杂性和可变性，这对准确检测提出了挑战