使用无人机图像和深度学习来检测和识别不同玉米的不同阶段的玉米状态
Jianjun Du1,2, Jinrui Li1,2,3, Jiangchuan Fan1,2
1Information Technology Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China.
Plant phenomics (Washington, D.C.)
|June 27, 2024
概括
这项研究引入了一种新方法,使用无人机和人工智能来检测玉米在脱之前和之后. 优化的模型实现了98%的准确性,改善了在混合场中的头检测.
科学领域:
- 农业技术 农业技术
- 计算机视觉 计算机视觉 计算机视觉
- 机器学习是机器学习.
背景情况:
- 在玉米杂交过程中精确检测干是评估生长和干效率的关键.
- 目前的模型与小或脱的玉米斗,影响准确性.
研究的目的:
- 开发一种新的方法,使用无人机和深度学习来准确识别状况.
- 通过提高培训数据质量和采用图像处理策略来增强托塞尔检测.
主要方法:
- 利用无人机在玉米杂交领域进行图像采集.
- 开发了特定的Tassel注释和数据增强策略.
- 评估了主流的物体检测模型和提议的优化头检测模型.
- 实施了图像屏蔽策略,以平衡获取和计算成本.
主要成果:
- 拟议的方法可以准确地识别和分类各种脱阶段的.
- 优化后的模型在所有品类中平均精度达到了94.5%.
- 优化模型与图像阻断策略的组合提高了检测准确度,达到98%.
结论:
- 开发的无人机和深度学习方法显著提高了在玉米杂交中检测的准确性.
- 数据注释和图像屏蔽策略显示了在农业物体检测中更广泛应用的潜力.
