YH-RTYO:一种端到端的物体检测方法,用于在无人机场景中检测作物生长异常
Yihang Li1, WenZhong Yang2, Zhifeng Lu3
1College of Computer Science and Technology, Xinjiang University, Urumchi, China.
PeerJ. Computer science
|February 3, 2025
概括
一个新的产量健康强大的变压器-YOLO (YH-RTYO) 模型增强了使用无人机 (UAV) 进行智能农业的小型物体检测. 这种高效的算法提高了准确性,减少了模型大小,提高了农业产量和效率.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 农业技术 农业技术
背景情况:
- 使用无人机检测小物体对于智能农业至关重要.
- 目前的方法在拥挤的农业环境中难以错过检测.
研究的目的:
- 开发一种高效的算法,用于准确的,实时的农业中小物体检测.
- 改进传统的卷积模型,以提高产量和效率.
主要方法:
- 推出了产量健康强大的变压器-YOLO (YH-RTYO) 模型.
- 包括一个高效的卷积扩展模块和一个局部特征金字塔模块.
- 优化了对不同物体尺寸和角度的损失函数.
主要成果:
- 与YOLOv8-L.相比,YH-RTYO模型的模型尺寸减少了13%.
- 在OilPalmUAV数据集上,平均精度 (AP) 提高了3.97%.
- 在RFRB数据集上表现优于YOLOv8基线,并改进了AP50和AP值.
结论:
- YH-RTYO模型为农业中小型物体检测提供了卓越的性能和效率.
- 减少的模型参数可以使部署更容易,而不会影响准确性.
- 在不同的农业数据集中展示了强大的概括能力.
