使用PCERT-DETR模型,无人机自动检测失踪的苗

科学领域:

• 农业工程 农业工程
• 遥感 遥感 遥感 遥感
• 计算机视觉 计算机视觉

背景情况:

• 播种机的局限性和低发芽率导致缺少大米苗,影响产量.
• 现有的无人驾驶飞行器 (UAV) 方法用于在大田中检测丢失的苗木,往往是无效的.
• 准确检测缺失的苗木对于及时重新播种和优化大米生产至关重要.

研究的目的:

• 开发一种基于无人机遥感的快速准确方法,用于在大田中检测缺失的苗.
• 通过精确识别苗木缺口,提高再播种操作的效率和有效性.
• 为促进大米种植精准农业实践的进步做出贡献.

主要方法:

• 改进的PCERT-DETR模型被用于检测水苗,并在无人机遥感图像中识别缺失的苗.
• 该模型的训练和评估是基于大田图像的自建数据集.
• 通过使用平均平均精度 (mAP),精度 (P),回忆 (R) 和F1得分 (F1) 等指标,以及参数计数和效率的FLOP来评估性能.

主要成果:

• 在自建数据集上,PCERT-DETR模型实现了最佳性能,mAP为81.2%,P为82.8%,R为78.3%,F1为80.5%.
• 该模型展示了实时检测能力,参数数量为21.4M和66.6G FLOP.
• PCERT-DETR显著超过了基线网络模型的表现,P,R,F1和mAP分别提高了15.0,1.2,8.5和6.8个百分点.

结论:

• 拟议的PCERT-DETR模型使用无人机遥感器准确地检测在大田里缺少的苗.
• 该方法为重新播种操作提供了必不可少的数据,支持精准农业.
• 这项研究为识别苗木缺口提供了强有力的解决方案,最终有助于提高大米产量和农业效率.