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。

資料與資源

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

應用模型

  • 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

額外的資訊

欄位
最後更新 3月 14, 2025, 16:17 (+0800)
建立 6月 11, 2024, 18:07 (+0800)

推薦AI模型

土雞活動力評估模型

更新頻率 定期
瀏覽次數 37370
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....

作物蟲害多光譜預警系統

更新頻率 定期
瀏覽次數 24949
下載次數 61
無人機多光譜影像預測蟲害發生的模型摘要 1. 簡介 本指南介紹如何利用無人機多光譜影像數據來預測蟲害發生的可能性,並進行提前預警和防治。模型將使用 Weka 3.8.3 工具進行開發和讀取。 2. 資料準備 2.1 無人機多光譜影像獲取 使用無人機配備多光譜攝像頭對農田進行影像拍攝。 確保影像覆蓋範圍全面,分辨率適中。 2.2 數據處理...

作物病害線蟲高光譜預警模型

更新頻率 定期
瀏覽次數 44021
下載次數 54
本研究聚焦於利用 490–900 nm...