基于多色彩空间的YOLOv5松枯死树检测方法OACSTPCD
Dead pine detection by multi-color space based YOLOv5
[目的]针对在松枯死树监测实践中,从无人机航拍RGB影像中自动识别松枯死树漏检率高的问题,提出了一种生产应用场景下基于多色彩空间的YOLOv5 松枯死树高精度自动识别新方法.[方法]利用无人机采集大面积松材线虫病发生林分的RGB图像,用Pix4Dmapper软件拼接,用LabelImg开源软件建立VOC格式的松枯死树数据集,分别用Faster R-CNN、YOLOv3、YOLOv4、YOLOv5、SSD和EfficientDet等 6 种基于深度…查看全部>>
游子绎;王文瑾;邵历江;郭丹;吴松青;黄世国;张飞萍
福建农林大学林学院,福建 福州 350002||福州农林大学生态公益重大有害生物防控福建省高校重点实验室,福建 福州 350002福建农林大学计算机与信息学院,福建 福州 350002福建农林大学计算机与信息学院,福建 福州 350002福建农林大学林学院,福建 福州 350002||福州农林大学生态公益重大有害生物防控福建省高校重点实验室,福建 福州 350002福建农林大学林学院,福建 福州 350002||福州农林大学生态公益重大有害生物防控福建省高校重点实验室,福建 福州 350002福州农林大学生态公益重大有害生物防控福建省高校重点实验室,福建 福州 350002||福建农林大学计算机与信息学院,福建 福州 350002福建农林大学林学院,福建 福州 350002||福州农林大学生态公益重大有害生物防控福建省高校重点实验室,福建 福州 350002
无人机影像松枯死树深度学习多色彩空间松材线虫病
UAV imagedead pine treesdeep learningmulti-color spacepine wood nematode disease
《生物安全学报》 2023 (3)
282-289,8
国家林业和草原局重大应急科技项目(ZD202001)福建省林业科技项目(闽林文[2021]35 号)福建农林大学科技创新专项基金项目(KFb22097XA)
评论