需同意授權

水稻叢自動偵測標記模型

模型概述

本模型基於 YOLO V7 架構,經過訓練標註數百張水稻空拍影像,能夠精確地在影像中識別並以矩形框標示水稻叢的位置。該模型的應用旨在提高水稻田間管理的效率,通過自動化的影像分析技術,農民能夠快速獲取水稻叢的位置信息,從而進行精準的田間操作和監測,提升作物管理的精度與效果,最終實現增產增收的目標。

電腦需求

  • 需配有 Nvidia 顯卡,並已安裝 CUDA、Anaconda

輸入資料格式

  • 影像(要俯拍的)

輸出

  • 偵測物件矩形框(會加在輸入影像上面,不同分類是不同的色框)

使用步驟

  1. 使用 Anaconda 建立虛擬環境
  2. 根據安裝的 CUDA 版本下載 PyTorch
    前往網址 PyTorch 安裝頁面 並下載對應版本。
  3. 解壓縮下載的檔案
    將下載的檔案解壓縮,獲得一資料夾。
  4. 移動至檔案資料夾
    打開 Anaconda 終端並將當前路徑移動至下載的資料夾。
  5. 安裝所需套件
    執行以下指令以安裝所需的 Python 套件: ```bash pip install -r requirement.txt
  6. 準備影像資料 將需要辨識的影片放入 source 資料夾中。
  7. 執行模型 執行以下指令以啟動模型辨識: python rtsp_yolo7_1.py
  8. 查看辨識結果 辨識結果會以文字檔的形式儲存在 result 資料夾中,檔案名為執行時的日期與時間。

Data and Resources

基礎工具

  • 水稻叢yolo-exp012

    以RGB的無人機影像訓練,用以偵測水稻叢 輸出結果以矩形顯示,上方數字表示機器認定為水稻叢的信心度

  • yolo水稻叢-exp0125

    將版本根據使用者體驗進行優化處理 1. 解決誤判雜草的問題 2. 原始參數,輸出的矩形為綠色,與水稻叢過於接近不易辨識,本版本已修改

Additional Info

Field Value
Last Updated September 10, 2024, 10:06 (+0800)
Created June 11, 2024, 18:07 (+0800)

Recommended AI Model

土雞活動力評估模型

更新頻率 定期
瀏覽次數 8578
下載次數 0
此模型能夠偵測影片中的雞隻活動力 模型可視化展示如下圖: 電腦需求: 需配有Nvidia 顯卡,並已安裝cuda、anaconda 輸入: 影片 輸出: 活動力數值 使用步驟: 0. 使用anaconda建立一個虛擬環境 1....

水稻叢影像去背模型

更新頻率 定期
瀏覽次數 1735
下載次數 0
模型摘要 1. 模型概述 本模型基於 U2-NET 架構,專門用於影像去背。U2-NET 是一種輕量級的深度學習網絡,設計用於高效的前景物體檢測和分割。模型能夠自動將影像中的主要物體與背景進行區分,生成對應的影像遮罩,並實現精確的去背效果。 2. 應用場景 本模型適用於 無人機空拍影像 的去背處理,特別是去除土壤、雜草等背景雜訊。具體應用場景包括:...

作物病害線蟲可見光預警模型

更新頻率 定期
瀏覽次數 1184
下載次數 0
針對不同波長(400-1000nm)進行感染水稻葉芽線蟲之種子影像蒐集,並利用不同光譜當作特徵來預測種子是否有線蟲,需使用weka3.8.3工具讀取模型使用,並讀取模型即能使用