小麥倒伏現象嚴重影響小麥產量，因此在小麥生長的各個階段，水肥、翻土等操作都是需要一定的科學性。及時獲取小麥倒伏類型，對探討研究小麥產量與質量具有積極意義。隨著無人機、深度學習等技術的發展與應用，在檢測小麥倒伏類型方面也取得了一定進展。

為了研究不同類型的小麥倒伏(根部倒伏、莖部倒伏)對產量和質量會產生不同影響，中國農業大學信息與電氣工程學院與中國農業大學農業農村部農業信息獲取技術重點實驗室、北達科他州立大學農業與生物工程系、韓國江原大學生物系統工程系、韓國江原大學智慧農業交叉學科、塔里木大學機械電氣化工程學院等高校組成了科研團隊，旨在通過無人機圖像對小麥倒伏類型進行分類，并探究無人機飛行高度對分類性能的影響。

該研究設置3個無人機飛行高度(15、45、91 m)來獲取小麥試驗田的圖像，并利用自動分割算法生成不同高度的數據集，提出一種EfficientNetV2-C改進模型對其進行分類識別。模型通過引入CA(Coordinate Attention)注意力機制來提升網絡特征提取能力，并結合CB-Focal Loss(Class–Balanced Focal Loss)來解決數據不均衡對模型分類準確度的影響。

改進的EfficientNetV2-C表現最佳，平均準確率達到93.58%。對比未改進的4種機器學習分類模型(支持向量機(Support Vector Machine，SVM)、K最近鄰(K Nearest Neighbor，KNN)、決策樹(Decision Tree，DT)和樸素貝葉斯(Naive Bayes，NB))與兩種深度學習分類模型(ResNet101和EfficientNetV2)，其中EfficientNetV2在各個高度下表現最優，平均準確率達到82.67%。無人機飛行高度對4種機器學習分類器性能無顯著影響，但隨飛行高度上升，由于圖像特征信息損失，深度學習模型的分類性能下降。

改進的EfficientNetV2-C在小麥倒伏類型檢測方面取得了較高的準確率，為小麥倒伏預警和農作物管理提供了新的解決方案。

小麥是一種“急公好義”的作物，會優先為自身生長提供養分，而不是提高結實率。因此，只有通過提高產量才能提高結實率。而高產則需要農民不斷地探索和實踐，不斷改進種植技術，以及選用高產優質品種。例如，采用雜交小麥、超級稻等現代農業技術，可以大大提高小麥的產量。

審核編輯 黃宇