YOLO-RSTS：ゴムの木における防腐剤および刺激剤散布領域検出のための精密セグメンテーションモデル

科学分野:

• コンピュータビジョン
• 農業技術
• 機械学習

背景:

• ゴムの木のラテックス収量のための従来の С 手動散布は非効率的であり、大規模プランテーションには適していません。
• 既存のセグメンテーションモデルは、複雑な樹皮のテクスチャや変動する照明に苦労しており、不正確な散布境界につながっています。

研究 の 目的:

• ゴムの木の防腐剤および刺激剤散布領域の正確な同定のための改良型セグメンテーションモデル、YOLO-RSTSを開発すること。
• ゴムプランテーションにおける自律散布システムの効率と精度を向上させること。

主な方法:

• 新しいCrossScaleDSC、CG-Attention、およびC2f-DSCモジュールを備えたYOLOv12n-Segフレームワークに基づいたYOLO-RSTSモデルを提案しました。
• バックボーンとヘッドにRFCAConvおよびDWConvを組み込み、空間的多様性と文脈表現を改善しました。
• 自己構築されたデータセットでモデルをトレーニングおよび評価しました。

主要な成果:

• YOLO-RSTSはYOLOv12nと比較して大幅な改善を達成しました：精度+6.3％、mAP0.50 +6.3％、リコール+8.1％。
• YOLOv12nと比較してパラメータ数を14.5％削減しました。
• YOLOv13nを上回り、mAP0.50で+7.5％、F1スコアで+9.2％を達成しました。

結論:

• YOLO-RSTSは、ゴムプランテーションにおけるビジョンベースの自律散布のための効果的かつ効率的なソリューションを提供します。
• 提案されたモデルは、インテリジェントなゴムプランテーション管理の進歩とラテックス収量の向上に大きな可能性を示しています。