烟草植株是一种重要的经济农作物。传统的烟草植株检测方法是人为进行检测，耗时耗力。精准的烟草植株检测有助于评估烟草植株的产量，而该产量常常涉及到农民的政府补贴，且便于对烟草作物的管理。

      为了实现烟草植株的自动检测，我们融合图像处理方法和深度学习算法对烟草植株进行检测。具体为：利用除绿操作，分水岭等算法提取烟草植株的候选区域，然后利用深度神经网络确定每个烟草植株的候选区域是否包含烟草植株。该算法实现检测的烟草植株图像如图一所示:

图一 实验结果

总结：该方法实现了烟草植株的自动检测，大幅度提高烟草检测效率。

目前成果：研究结果发表在信息系统二区期刊《IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing》

该项目已经申请专利：范衠, 谢红辉, 朱贵杰, 等. 一种基于航拍图像的烟草植株识别与计数方法. 201611094366.5

论文下载：Fan Z, Lu J, Gong M, et al. Automatic Tobacco Plant Detection in UAV Images via Deep Neural Networks[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2018, PP(99): 1-12.[PDF Download],[Bibtex Download]