DP-MaizeTrack:用于追踪玉米植物数量的软件,并从无人机图像中获取信息
LongHao Chen1,2,3, YingLun Li2,3, ChuanYu Wang2,3
1College of Information Engineering, Capital Normal University, Beijing, China.
Frontiers in plant science
|November 26, 2025
概括
本研究介绍了DP-MaizeTrack软件,用于使用增强的DP-YOLOv8模型进行精确的玉米生长监测和叶数计数. 新模型显著提高了精准农业和作物育种的检测精度.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 精确的玉米生长监测和叶子计数对于精准农业和作物育种至关重要.
- 基于无人机 (UAV) 的现有方法由于空间分辨率低和复杂的现场条件而难以准确.
研究的目的:
- 开发一个集成的检测和可视化软件DP-MaizeTrack,用于自动检测玉米苗和叶子.
- 通过引入具有特定改进的DP-YOLOv8模型来提高检测准确度.
主要方法:
- 开发了DP-YOLOv8模型,这是YOLOv8的增强,包括多级特征增强 (MSFE) 和优化空间金字塔聚合快速 (OSPPF) 模块.
- 将DP-YOLOv8集成到DP-MaizeTrack软件中,该软件包括农业分析工具,如区域细分和数据统计.
- 进行了单一植物检测和可视化任务的实验.
主要成果:
- 与基线YOLOv8相比,DP-YOLOv8的性能优于基线YOLOv8,在单一植物检测中获得3.9%更高的精度 (95.1%),4.1%更高的回忆 (91.5%) 和4.0%更高的mAP50 (94.9%).
- 该DP-MaizeTrack软件显示高精度的可视化单一植物和叶子检测.
- 该软件成功实现了自动检测和集成分析工具.
结论:
- 基于DP-YOLOv8的DP-MaizeTrack提供了一个强大的解决方案,用于在农业环境中准确监测玉米.
- 集成软件通过自动检测和数据统计支持精确的农业管理和叶子年龄分析.
- 开发的模型和源代码是公开的,以促进进一步的研究和应用.
