IV-YOLO：情報渦ベースの段階的融合による高精度な水稲検出手法

科学分野:

• 農業工学
• コンピュータビジョン
• リモートセンシング

背景:

• 精密農業におけるUAVリモートセンシングは、付着した水稲の特徴と背景の干渉という課題に直面している。
• 従来のモデルは、これらの画像の複雑さのために、個々の植物レベルの検出に苦労している。

研究 の 目的:

• 個々の水稲を高精度に検出するための高度な深層学習モデルを開発する。
• UAV画像における特徴の付着と背景の混雑の処理における既存モデルの限界を克服する。

主な方法:

• 情報渦ベースの段階的融合YOLO（IV-YOLO）モデルを提案した。
• 特徴の分離と背景の切り離しのためにマルチスケールスパイラル情報渦（MSIV）モジュールを導入した。
• 効果的な特徴表現のために段階的特徴融合ネック（GFEN）を構築した。

主要な成果:

• IV-YOLOモデルはDRPDデータセットで0.8581の精度を達成した。
• 評価されたすべての指標において、YOLOv5-YOLOv11およびFRPNetを上回った。
• 付着した特徴の分離と背景干渉の低減において、優れた性能を示した。

結論:

• IV-YOLOは、個々の水稲モニタリングのための堅牢な技術的ソリューションを提供する。
• このモデルは、正確な検出を通じて精密農業の大規模実装を促進する。
• 開発されたモジュールは、UAVベースの農業リモートセンシングにおける課題を効果的に解決する。