基于YOLOv7-Sim和无人机遥感影像的烟株数量检测

摘要：

植株数是用于监测作物生长状况和估测产量的重要田间表型性状.为实现烟草植株数高效自动清点,针对无人机遥感影像烟株检测中存在小尺寸聚集目标容易漏检的问题,提出了一种YOLOv7 目标检测优化模型YOLOv7-Sim.首先引入SimAM注意力机制增强图像特征之间的聚合能力;然后加入小目标检测层强化算法对小目标的检测能力;再对定位损失函数进行优化,引入了EIOU定位损失函数;最后利用分块策略解决大图像检测中小目标容易采样丢失的问题.在VisDrone2019数据集和本文构造的UAVTob无人机遥感影像烟草数据集上的检测结果显示,检测均值平均精确率mAP@0.5 提升了 0.3%和6.3%,mAP@0.5:0.95提升了0.6%和18.3%,YOLOv7-Sim算法对无人机遥感影像中的烟株检测更具优越性.

关键词：YOLOv7、无人机遥感影像、烟草检测、深度学习

所属期刊栏目：44

分类号：S572

资助基金：智慧中原地理信息技术河南省协同创新中心;时空信息感知与融合技术自然资源部重点实验室联合基金项目

在线出版日期：2023-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：94-102