在基于H-RT-DETR的无人机遥感图像中识别玉米苗期的植物识别
Yunlong Wu1,2,3, Shouqi Yuan1,3, Lingdi Tang4,5
1Research Center of Fluid Machinery Engineering and Technology, Jiangsu University, Zhenjiang, 212013, China.
Plant methods
|May 14, 2025
概括
这项研究介绍了H-RT-DETR,这是一种先进的AI模型,用于使用无人机图像实时检测玉米苗. 它比现有方法显著提高了准确性和速度,有助于农业管理.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
背景情况:
- 精确的玉米苗木监测对于作物管理和产量预测至关重要.
- 传统的手工方法效率低下,容易出现错误.
- 使用无人机遥感的自动检测提供了一个有希望的替代方案.
研究的目的:
- 为复杂的田间环境开发一个端到端的玉米幼苗检测模型.
- 从无人机图像中增强实时监测和计数玉米苗.
- 与现有方法相比,提高检测准确度和处理速度.
主要方法:
- 提出了一个端到端的玉米苗植物检测模型:H-RT-DETR (层次实时检测转换器).
- 利用等级特征表示和高效的自我注意力来提取特征.
- 使用无人机遥感图像的玉米苗的数据集进行实验.
主要成果:
- H-RT-DETR实现了高性能指标:mAP0.5-0.95 (51.2%),mAP0.5 (94.7%),mAP0.75 (48.1%) 和AR (68.5%),这些指标均为高性能指标.
- 与广泛使用的目标识别方法相比,证明了更高的检测准确性.
- 在没有非最大抑制 (NMS) 的情况下,实现了84 FPS的处理速度,超过了YOLO变体的性能.
结论:
- H-RT-DETR模型在玉米幼苗检测的准确性和速度上都提供了显著的改进.
- 这项技术为使用无人机遥感的实时农业监测提供了宝贵的技术支持.
- 该模型的效率和准确性使其适用于精密农业的实际应用.
