走向使用粘贴板图像分析对白花田进行自动昆虫监测
Ioannis Kalfas1, Bart De Ketelaere1, Klaartje Bunkens2
1KU Leuven, Department of Biosystems, MeBioS, Faculty of Bioscience Engineering, Kasteelpark Arenberg 30, Box 2456, Leuven B-3001, Belgium.
Ecological informatics
|July 3, 2023
概括
这项研究介绍了一种人工智能方法,用于在田中自动监测昆虫. 开发的YOLOv5模型准确地检测粘性陷上的害虫和捕食者,使有效的现场监控成为可能.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 昆虫学 昆虫学是一门学科.
背景情况:
- 使用粘性陷进行手动害虫监测是耗时的.
- 人工智能为农业中的自动远程病虫检测提供了潜力.
- 对人工智能模型的现场验证对于实际应用至关重要.
研究的目的:
- 开发一种自动计算方法,用于在白叶花田中监测昆虫.
- 为人工智能模型培训创建和使用现实的昆虫图像数据集.
- 在实际现场条件下评估AI模型的性能.
主要方法:
- 收集和注释了731个粘贴板和74,616个边界盒.
- 训练了一种YOLOv5对象检测模型,用于关键的害虫和捕食者物种.
- 使用实用数据分割验证了模型的现场性能.
主要成果:
- 在所有数据集类别中实现了0.76的平均mAP得分.
- 在害虫物种 (0.73) 和捕食者 (0.86) 中获得了高的mAP分数.
- 在未见的测试数据上证明了准确的害虫存在预测.
结论:
- 在现实世界农业应用中,人工智能驱动的害虫监测是可行的.
- 这种方法可以在白田中有效监测害虫.
- 允许在最小的人类干预的情况下进行害虫监测.
