亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Estimation of sorghum seedling number from drone image based on support vector machine and YOLO algorithms

人工智能 高粱 支持向量机 稳健性(进化) RGB颜色模型 苗木 机器学习 计算机科学 数学 遥感 计算机视觉 农学 生物 地理 生物化学 基因
作者
Haishan Chen,Hui Chen,Huang Xiao-yun,Qian Zhang,Shengxi Chen,Fulang Cen,Tengbing He,Quanzhi Zhao,Zhenran Gao
出处
期刊:Frontiers in Plant Science [Frontiers Media SA]
卷期号:15
标识
DOI:10.3389/fpls.2024.1399872
摘要

Accurately counting the number of sorghum seedlings from images captured by unmanned aerial vehicles (UAV) is useful for identifying sorghum varieties with high seedling emergence rates in breeding programs. The traditional method is manual counting, which is time-consuming and laborious. Recently, UAV have been widely used for crop growth monitoring because of their low cost, and their ability to collect high-resolution images and other data non-destructively. However, estimating the number of sorghum seedlings is challenging because of the complexity of field environments. The aim of this study was to test three models for counting sorghum seedlings rapidly and automatically from red-green-blue (RGB) images captured at different flight altitudes by a UAV. The three models were a machine learning approach (Support Vector Machines, SVM) and two deep learning approaches (YOLOv5 and YOLOv8). The robustness of the models was verified using RGB images collected at different heights. The R 2 values of the model outputs for images captured at heights of 15 m, 30 m, and 45 m were, respectively, (SVM: 0.67, 0.57, 0.51), (YOLOv5: 0.76, 0.57, 0.56), and (YOLOv8: 0.93, 0.90, 0.71). Therefore, the YOLOv8 model was most accurate in estimating the number of sorghum seedlings. The results indicate that UAV images combined with an appropriate model can be effective for large-scale counting of sorghum seedlings. This method will be a useful tool for sorghum phenotyping.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
爱静静应助科研通管家采纳,获得10
刚刚
景辣条应助科研通管家采纳,获得10
刚刚
爱静静应助科研通管家采纳,获得10
刚刚
yiyi131完成签到,获得积分10
1秒前
222520zys完成签到,获得积分10
2秒前
3秒前
4秒前
222520zys发布了新的文献求助10
6秒前
丘比特应助十几采纳,获得10
6秒前
7秒前
艺术大师发布了新的文献求助10
8秒前
20秒前
嘉嘉发布了新的文献求助10
26秒前
星辰大海应助yuansong715采纳,获得10
26秒前
传奇3应助激昂的微笑采纳,获得10
27秒前
Docgyj完成签到 ,获得积分10
27秒前
风起云涌龙完成签到 ,获得积分10
31秒前
31秒前
Ava应助时尚的飞机采纳,获得10
33秒前
草莓奶昔发布了新的文献求助20
41秒前
嘉嘉完成签到,获得积分20
41秒前
桃花源的瓶起子完成签到 ,获得积分10
42秒前
科研冰山完成签到 ,获得积分10
57秒前
1分钟前
浮名半生完成签到,获得积分10
1分钟前
李月完成签到 ,获得积分10
1分钟前
1分钟前
二牛发布了新的文献求助30
1分钟前
哆啦小鱼完成签到,获得积分10
1分钟前
超帅的谷蓝完成签到,获得积分10
1分钟前
1分钟前
汪汪队立大功完成签到,获得积分10
1分钟前
张杠杠完成签到 ,获得积分10
1分钟前
_ban发布了新的文献求助30
1分钟前
1分钟前
激昂的微笑给激昂的微笑的求助进行了留言
1分钟前
1分钟前
Blake发布了新的文献求助10
1分钟前
小马甲应助科研通管家采纳,获得10
2分钟前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
Pearson Edxecel IGCSE English Language B 300
Case Research: The Case Writing Process 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142628
求助须知:如何正确求助?哪些是违规求助? 2793540
关于积分的说明 7806835
捐赠科研通 2449789
什么是DOI,文献DOI怎么找? 1303444
科研通“疑难数据库(出版商)”最低求助积分说明 626917
版权声明 601314