CountShoots:使用无人机图像的自动检测和计数Slash Pine新拍摄
Xia Hao1, Yue Cao1, Zhaoxu Zhang1
1College of Information Science and Engineering, Shandong Agricultural University, No. 61, Daizong Road, Taian 271018, Shandong Province, China.
Plant phenomics (Washington, D.C.)
|January 18, 2024
概括
CountShoots软件使用人工智能模型自动计算来自无人机图像的新松树. 这项创新提供了一种快速,准确和非破坏性的方法来监测树木生长,并帮助遗传研究.
科学领域:
- 林业科学 林业科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 松树的新芽密度对于评估生长和光合作用能力至关重要.
- 传统的手动和破坏性方法用于射击密度测量是劳动密集型的,限制了研究范围.
研究的目的:
- 开发用户友好的软件 (CountShoots),以便使用无人机 (UAV) 轻松方便地提取新的射击密度.
- 引入新型人工智能模型,用于准确识别树种和自动计数新生长的树苗.
主要方法:
- 修改后的YOLOX模型用于树种和RGB图像的位置识别,实现了高识别精度.
- 一个基于CCTrans网络的Slash Pine Shoot Counting Network (SPSC-net) 已被开发用于自动化新发射计数.
- 开发的模型的性能与现有的最先进的模型进行了比较,例如YOLOv5,Efficientnet,Faster-RCNN,DM-Count,CSR-net和MCNN.
主要成果:
- 经过修改的YOLOX模型实现了高识别准确率99.15%和95.47%,优于其他物体检测模型.
- 与其他计数模型相比,SPSC-net表现出卓越的性能,平均平方误差 (2.18) 和平均绝对误差 (1.47) 最低.
- 这项研究代表了第一个用于识别树冠和计数新芽的自动化系统.
结论:
- 该CountShoots软件提供了一个高效和快速的用户交互系统,用于松树新发射的检测和计数.
- 开发的人工智能模型为传统方法提供了非破坏性和方便的替代方案,支持树木育种和遗传研究.
