Journal of Global Innovations in Agricultural Sciences·9月25日 · 周五论文农业遥感与作物表型阅读 0
Real-Time Detection and Yield Estimation of Rosa damascena Using YOLOv10-N: A Case Study in the Dades Oasis, Drâa-Tafilalet, Southeastern Morocco
Mohamed Ohamouddou · Said Ohamouddou
论文解读
68接近精选线
速览
用YOLOv10-N实时检测大马士革玫瑰并基于花数估算产量。
方法
2807张多光照地形标注图像训练YOLOv10-N，结合花数与均重估产。
发现
检测精度92.12%、mAP50为90.65%，可跨环境稳健估产。
机会点
可扩展到多品种、多生长阶段及无人机边缘部署的实时估产研究。
影响力12
信息增量20
专业深度16
信源权威12
时效性8
基于YOLOv10-N的玫瑰实时检测与产量估算研究，数据集规模可观、指标完整，但属区域性案例，产业影响有限。
原文摘要
大马士革玫瑰（Rosa damascena）是摩洛哥东南部德拉-塔菲拉勒特地区的重要经济资源，尤其是在凯拉特姆古纳的达德斯绿洲。大马士革玫瑰花朵的检测与产量估测对于提高作物生产力和促进当地经济具有重要意义。在本研究中，我们探索了深度学习模型YOLOv10-N在不同环境条件下对大马士革玫瑰进行实时检测的应用。利用在多样光照和地形条件下采集的2,807张标注图像数据集，YOLOv10-N达到了92.12%的准确率、77.22%的召回率、90.65%的mAP50以及63.93%的mAP50-95，表明其在不同环境设置下具有稳健性。在本研究中，我们还提出了一种基于检测到的花朵数量和平均重量来估测产量的新方法，为更好地监测玫瑰田、降低劳动力成本和优化资源管理提供了实用工具。这些结果证明了精准农业在应对农业生产力和经济可持续性方面更广泛难题中的重要性。关键词：YOLOv10，大马士革玫瑰，目标检测，产量估测，深度学习，农业计算机视觉。