在農業應用中，在地塊照片中識別和計數植物對產量估計、作物監測和資源優化至關重要。在這項工作中使用了YOLO(You Only Look Once)方法來正確識別和計數地塊照片中的植物。該算法使用Roboflow平臺通過監督學習過程進行訓練。該方法利用機器學習的力量，為農業植物分析提供了自動化和有效的解決方案。作為技術的一部分，收集了一個廣泛的植物地塊照片數據集，然后用精確的邊界框對每個植物實例進行注釋。

利用Roboflow平臺對數據進行有效的管理和標注。對于植物檢測，使用實時目標檢測能力強的YOLO方法。YOLO通過將輸入圖像劃分為網格并預測每個網格單元的邊界框和類別概率，在不犧牲精度的情況下實現了令人印象深刻的檢測速度。該方法在地塊照片中植物的精確識別和計數方面顯示出良好的效果。通過向農民、農學家和研究人員提供作物管理和決策的深刻信息，它有可能極大地改善農業實踐。該方法可以在未來得到改進，其應用范圍可以擴大到更多的植物種類和氣候情況。

圖1 數據集訓練模型。

圖2提出的系統模型

圖3 數據集生成報告。

圖4植物檢測。

圖5 訓練和驗證準確度。

來源

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.

審核編輯：黃飛