换一批基于YOLO模型的粗茎秦艽和麻花艽物种识别与计数
Species Identification and Counting of Gentiana crassicaulis Duthie ex Burk.and Gentiana straminea Maxim.Based on YO-LO Model
摘要目的:本研究旨在开发无人机影像与深度学习结合技术,实现对野外大范围两种秦艽组植物的快速识别与资源量评估.方法:本研究选用具有较高精度的You Only Look Once(YOLO)系列模型用于识别麻花艽和粗茎秦艽,并分别探究输入图像尺寸、模型结构及数据增强方法对训练过程及模型性能的影响.结果:640×640 图像尺寸下YOLOv5s模型综合性能最优,平均mAP0.5 达 93.2%(粗茎秦艽 0.919,麻花艽0.944),较160×160 图像尺寸提升22.1%.混合数据增强显著提升模型鲁棒性,使粗茎秦艽与麻花艽的跨尺度检测指标(mAP0.5∶0.95)分别提升20.3%和28.5%,其中云雾模糊增强对麻花艽识别效果突出(mAP0.5∶0.95+9.6%).在样本量占比29.7%的麻花艽识别中,模型仍保持 91.2%的mAP0.5,F1-score达 0.906.结论:本研究提出的"无人机影像+图像增强+深度学习"技术方案,实现了自然生长区域中药用植物的高效识别(训练耗时0.629 小时,综合精度>93%),不同的图像增强技术在对不同生长区域和不同特征植物的识别中能产生明显影响,利用图像增强可以有效提高光照不足或者云雾遮挡下获取图像的识别精度.该成果为野外大范围粗茎秦艽和麻花艽资源蕴藏量的动态监测提供了可推广的技术,对实现资源可持续利用具有重要实践价值.
更多相关知识
关键词
物种识别深度学习YOLO资源量评估粗茎秦艽麻花艽Species identificationDeep learningYOLOResource assessmentGentiana crassicaulis Duthie ex BurkGentiana stra-minea
栏目名称
DOI
10.13593/j.cnki.51-1501/r.2025.06.001
发布时间
2025-12-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82073964）
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
