需同意授權

水稻叢自動偵測標記模型

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: 照片- 輸出: 偵測物件矩形框- 使用步驟:- 0. 使用anaconda建立一個虛擬環境- 1. 根據安裝的cuda版本下載pytorch,網址:https://pytorch.org/get-started/locally/- 2. 於連結下載檔案並解壓縮獲得一資料夾 3. 將anaconda終端所在位置移動至檔案資料夾- 4. 執行pip install -r requirement.txt- 5. 將欲辨識的影片放在"sourse"資料夾中- 6. 執行python rtsp_yolo7_1.py- 7. 辨識結果的數值將存在"result"資料夾,存檔檔名為當時時間的文字文件檔案-

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

  • 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 6月 17, 2024, 19:11 (+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 4034
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 31
下載次數 0
本模型使用 U2net 為主要基礎架構,旨在應用於將透過無人機拍攝的影像中找出水稻(叢)影像並去除背景像素(土壤或其他雜草),以作為可進一步分析(如評估水稻受害)之預處理方式。由於 U2net 擅長背景去除的影像語義分割之用途,因此 選擇基於此架構訓練去背模型。下圖由左至右分別為: 1. 原圖 2. 以 Grad-CAM...

作物蟲害無人機預警系統

更新頻率 定期
瀏覽次數 1087
下載次數 0
利用一期稻無人機-蟲害影像空拍資料標記蟲害發生與健康的資料來預測蟲害,需使用weka3.8.3工具讀取模型使用,並讀取模型即能使用