Опыт применения нейронной сети YOLOv5 для детектирования растений подсолнечника
Аннотация
Дата поступления статьи: 17.09.2022В статье описываются результаты исследования возможности детектирования растений подсолнечника по фотографиям произведенным БПЛА. Решение данной проблемы позволит обеспечить автоматизированный контроль за важным сельскохозяйственным параметром – густотой всходов. Задача усложняется ограниченно малым объемом обучающей выборки и «возмущениями», связанными с засоренностью поля. В результате получено, что нейронная сеть YOLOv5m способна на выборке из 122 картинок качественно детектировать растения с ошибкой обучения 0.077%. Искусственное увеличение выборки до 363 фотографий снижает ошибку обучения до 0.063%. Возмущения снижают эффективность детектирования растений подсолнечника на тестовых изображениях. Повысить эффективность детектирования можно как за счет добавления оригинальных изображений в обучающую выборку, так и за счет ее искусственного увеличения.
Ключевые слова: детектирование, YOLOv5, подсолнечник, густота всходов, нейронная сеть
2.3.3 - Автоматизация и управление технологическими процессами и производствами
.