MatchPlant：基于无人机单株检测与数据提取的开源流程
计算机视觉与模式识别
2025-06-17 v1
摘要
从无人机图像中准确识别单株植物对于推进高通量表型分析和支持育种中的数据驱动决策至关重要。本研究提出了MatchPlant，一个模块化、基于图形用户界面的开源Python流程，用于基于无人机的单株检测与地理空间性状提取。MatchPlant通过集成无人机图像处理、用户引导标注、用于目标检测的卷积神经网络模型训练、边界框向前投影至正射影像以及用于空间表型分析的shapefile生成，实现了端到端工作流。在早期玉米案例研究中，MatchPlant实现了可靠的检测性能（验证AP：89.6%，测试AP：85.9%），并有效投影了边界框，覆盖了89.8%的手动标注框，其中87.5%的投影交并比（IoU）大于0.5。从预测边界框实例中提取的性状值与手动标注高度一致（r = 0.87–0.97，IoU ≥ 0.4）。检测输出在多个时间点被复用以提取株高和归一化植被指数，仅需最少的额外标注，从而促进了高效的时序表型分析。通过结合模块化设计、可重复性和地理空间精度，MatchPlant为基于无人机的株级分析提供了可扩展的框架，在农业和环境监测中具有广泛适用性。
引用
@article{arxiv.2506.12295,
title = {MatchPlant: An Open-Source Pipeline for UAV-Based Single-Plant Detection and Data Extraction},
author = {Worasit Sangjan and Piyush Pandey and Norman B. Best and Jacob D. Washburn},
journal= {arXiv preprint arXiv:2506.12295},
year = {2025}
}
备注
32 pages, 10 figures. Intended for submission to *Computers and Electronics in Agriculture*. Source code is available at https://github.com/JacobWashburn-USDA/MatchPlant and dataset at https://doi.org/10.5281/zenodo.14856123