ШВИДКА НАВІГАЦІЯ

GE-YOLO: Інноваційна Модель для Виявлення Бур’янів у Рисовому Землеробстві

Управління бур’янами є одним із найактуальніших викликів у вирощуванні рису, оскільки бур’яни конкурують з культурами за необхідні поживні речовини, воду та сонячне світло. Традиційні методи виявлення бур’янів, які покладаються на ручну працю та хімічні гербіциди, є неефективними, дорогими та шкідливими для навколишнього середовища. Попит на автоматизовані рішення, які покращують точність виявлення, зменшуючи при цьому використання праці та гербіцидів, спонукає дослідників досліджувати підходи на основі глибокого навчання.

Нещодавнє дослідження під назвою GE-YOLO для виявлення бур’янів у рисових полях представляє передову модель глибокого навчання, розроблену для підвищення точності та ефективності ідентифікації бур’янів у складних аграрних умовах. Опубліковане в Applied Sciences (2025), це дослідження представляє, покращену версію алгоритму виявлення об’єктів YOLOv8, адаптовану для розпізнавання бур’янів у рисових полях.

Виклики Виявлення Бур’янів

Виявлення бур’янів у рисових полях має кілька викликів, включаючи складні вегетаційні середовища, схожість у морфології та кольорі між бур’янами та культурами, а також змінні умови освітлення. Попередні підходи, включаючи традиційні методи комп’ютерного зору та моделі глибокого навчання, стикалися з проблемами, такими як низька точність, повільні швидкості обробки та погана адаптивність до різних умов навколишнього середовища.

Розробка

Щоб вирішити ці проблеми, дослідники розробили вдосконалення YOLOv8, спеціально оптимізоване для виявлення бур’янів у рисових полях. Модель включає ключові інновації, такі як агрегація ознак Gold-YOLO, механізм ефективної багатошкальної уваги (EMA) та функцію втрат загального перетину (GIOU). Ці покращення дозволяють витягувати та об’єднувати багатошкальні ознаки, виявляти бур’яни різних розмірів і підтримувати високу точність навіть у складних умовах, таких як закриття та змінне освітлення.

Ключові Інновації GE-YOLO

Gold-YOLO: Мережа агрегації та розподілу ознак, що покращує здатність моделі захоплювати тонкі деталі на зображеннях бур’янів.
Механізм уваги EMA: Підвищує здатність мережі відрізняти бур’яни від культур, зосереджуючи увагу на критично важливих візуальних деталях.
Функція втрат GIOU: Оптимізує прогнози обмежувальних рамок, забезпечуючи більш плавні градієнти та зменшуючи обчислювальну складність.

У сукупності ці покращення дозволяють GE-YOLO перевершувати сучасні моделі, такі як YOLOv8, YOLOv10 і YOLOv11 за точністю, надійністю та ефективністю.

Експериментальні Результати

Експериментальні результати демонструють, що GE-YOLO досягає середньої точності (mAP) 93,1%, F1 Score 90,3% і вражаючих 85,9 кадрів на секунду (FPS). Модель постійно підтримує високі рівні точності навіть за сильної закритості (88,7% mAP) та різних умов освітлення (понад 90% mAP), що підкреслює її надійність у реальних аграрних застосуваннях.

Вплив на Рисове Землеробство

Висока точність виявлення та ефективність GE-YOLO мають значні наслідки для сучасного рисового землеробства. Інтегруючи цю технологію в розумну сільськогосподарську техніку та автоматизовані системи управління бур’янами, фермери можуть зменшити ручну працю, мінімізувати використання гербіцидів і збільшити загальний врожай. Автоматизоване виявлення бур’янів також може покращити стратегії точного землеробства, дозволяючи фермерам застосовувати цілеспрямовані втручання, а не загальні застосування гербіцидів, що призводить до економії витрат і екологічних вигод.

Майбутнє в Сільському Господарстві

Поза рисовими полями принципи, закладені в GE-YOLO, можуть бути застосовані до інших сільськогосподарських культур, які стикаються з подібними викликами виявлення бур’янів. Майбутні дослідження можуть вивчити адаптивність моделі до різних середовищ і додаткових видів бур’янів. Розширення набору даних, щоб включити більше різноманітних рослинних видів і географічних локацій, може ще більше покращити можливості узагальнення GE-YOLO.

Дослідження Чена та ін. представляє значний прогрес у автоматизації сільського господарства на основі ШІ, пропонуючи надійне та масштабоване рішення для виявлення бур’янів у рисових полях. Завдяки своїй високій точності, швидкості та адаптивності до реальних умов GE-YOLO має потенціал трансформувати точне землеробство, роблячи управління бур’янами більш ефективним, стійким і економічно вигідним.

Оскільки сільське господарство продовжує впроваджувати технології ШІ та глибокого навчання, такі моделі, як GE-YOLO, відіграватимуть вирішальну роль у формуванні майбутнього автоматизованого землеробства. Інтегруючи цю передову систему виявлення в існуючі сільськогосподарські робочі процеси, фермери можуть підвищити продуктивність, зменшити вплив на навколишнє середовище та рухатися до більш стійкого сільськогосподарського майбутнього.

Всі новини у більш стислому форматі в телеграм каналі або поверніться на сторінку головних новин.