基于 You Look Only Once (YOLO) 算法的农业目标检测：文献计量与系统性文献综述
计算机视觉与模式识别
2024-01-22 v1 人工智能
机器人学
摘要
视觉是农业中使用的多种数字技术与工具的重要组成部分。目标检测器 You Look Only Once (YOLO) 因其 state-of-the-art 性能在较短时间内于农业领域获得了普及。YOLO 提供具有良好精度的实时检测，并已应用于包括监测、监控、传感、自动化和机器人技术在内的各种农业任务中。YOLO 在农业中的研究和应用正在迅速加速，但呈现出碎片化和多学科交叉的特点。此外，目标检测器的性能特征（即精度、速度、计算量）影响着技术在农业中的实施与采用率。因此，本研究旨在收集大量文献，以记录并批判性评估 YOLO 在农业目标识别方面的进展与应用。首先，我们对 257 篇文章进行了文献计量综述，以了解 YOLO 在农业领域的学术研究概况。其次，我们对 30 篇文章进行了系统性综述，以识别 YOLO 在特定农业任务中的当前知识、空白及改进。本研究批判性地评估并总结了有关 YOLO 端到端学习方法的信息，包括数据采集、处理、网络修改、集成与部署。我们还讨论了针对特定任务的 YOLO 算法修改与集成，以应对农业目标或特定环境带来的挑战。总体而言，集成了 YOLO 的数字工具与技术展现了在实时、自动化监测、监控和目标处理方面的潜力，能够在最大化资源效率的同时减少劳动力、生产成本和环境影响。本研究提供了详细的文档记录，并显著推进了关于 YOLO 在农业中应用的现有知识，可使科学界大为受益。
引用
@article{arxiv.2401.10379,
title = {Agricultural Object Detection with You Look Only Once (YOLO) Algorithm: A Bibliometric and Systematic Literature Review},
author = {Chetan M Badgujar and Alwin Poulose and Hao Gan},
journal= {arXiv preprint arXiv:2401.10379},
year = {2024}
}