Image-Based Sorghum Head Counting When You Only Look Once

要約

デジタル農業の最近の傾向は、作物の品質評価と収量推定のための人工知能へのシフトを見てきました。
この作業では、パラメータ調整された単発物体検出アルゴリズムを使用して、空中ドローン画像からソルガムヘッドを識別およびカウントする方法を文書化します。
私たちのアプローチには、ソルガム画像の主要な構造要素を特定し、パフォーマンスに大きく貢献するパラメーター調整されたアンカーボックスの選択を動機付けた新しい探索的分析が含まれます。
これらの洞察は、ベースラインモデルを上回り、サンプル外の平均平均精度0.95を達成する深層学習モデルの開発につながりました。

要約(オリジナル)

Modern trends in digital agriculture have seen a shift towards artificial intelligence for crop quality assessment and yield estimation. In this work, we document how a parameter tuned single-shot object detection algorithm can be used to identify and count sorghum head from aerial drone images. Our approach involves a novel exploratory analysis that identified key structural elements of the sorghum images and motivated the selection of parameter-tuned anchor boxes that contributed significantly to performance. These insights led to the development of a deep learning model that outperformed the baseline model and achieved an out-of-sample mean average precision of 0.95.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google