基于深度目标检测与合成训练数据的无人机图像椰子树计数

无人机已彻底改变了包括农业在内的多个领域。深度学习的最新进展推动了计算机视觉中的目标检测等任务。本研究利用 YOLO 这一实时目标检测器，在加纳农场的无人机影像中识别并统计椰子树。由于不同的种植阶段，该农场已无法追踪其树木数量。虽然人工统计非常繁琐且容易出错，但准确确定树木数量对于农业过程的高效规划与管理至关重要，特别是对于优化产量和预测生产。我们在半自动化框架内评估了 YOLO 用于棕榈树检测的性能，评估了数据增强的准确性，并探讨了其对农民的潜在价值。数据于 2022 年 9 月通过无人机采集。为了在数据稀缺的情况下优化 YOLO，我们创建了合成图像用于模型训练和验证。YOLOv7 模型在 COCO 数据集（排除椰子树）上预训练，并使用定制数据进行适配。将影像中的树木重新定位到合成图像上，并在不同的真实图像上进行测试。在实验中，我们调整了超参数，提高了 YOLO 的平均精度均值（mAP）。我们还测试了不同高度，以确定最佳无人机飞行高度。我们将 [email protected] 从初始的 $0.65$ 提升至 0.88，突显了合成图像在农业场景中的价值。