基于YOLO技术的植物检测与计数

在农业应用中，在地块照片中识别和计数植物对产量估计、作物监测和资源优化至关重要。在这项工作中使用了YOLO(You Only Look Once)方法来正确识别和计数地块照片中的植物。该算法使用Roboflow平台通过监督学习过程进行训练。该方法利用机器学习的力量，为农业植物分析提供了自动化和有效的解决方案。作为技术的一部分，收集了一个广泛的植物地块照片数据集，然后用精确的边界框对每个植物实例进行注释。

利用Roboflow平台对数据进行有效的管理和标注。对于植物检测，使用实时目标检测能力强的YOLO方法。YOLO通过将输入图像划分为网格并预测每个网格单元的边界框和类别概率，在不牺牲精度的情况下实现了令人印象深刻的检测速度。该方法在地块照片中植物的精确识别和计数方面显示出良好的效果。通过向农民、农学家和研究人员提供作物管理和决策的深刻信息，它有可能极大地改善农业实践。该方法可以在未来得到改进，其应用范围可以扩大到更多的植物种类和气候情况。

图1 数据集训练模型。

图2  提出的系统模型

图3 数据集生成报告。

图4 植物检测。

图5 训练和验证准确度。

来 源

D. Kholiya, A. K. Mishra, N. K. Pandey and N. Tripathi, "Plant Detection and Counting using Yolo based Technique," 2023 3rd Asian Conference on Innovation in Technology (ASIANCON), Ravet IN, India, 2023, pp. 1-5.

审核编辑：黄飞