• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Mediterranean Conference on Control and Automation >A YOLO-Based Pest Detection System for Precision Agriculture
【24h】

A YOLO-Based Pest Detection System for Precision Agriculture

机译：基于YOLO的害虫检测系统，用于精密农业

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this work, inspired by the needs of the H2020 European project PANTHEON for the precision farming of hazelnut orchards, we propose a data-driven pest detection system. Indeed, the early detection of pests represents an essential step towards the design of effective crop defense strategies in Precision Agriculture (PA) settings. Among the possible pests, we focus on true bugs as they can heavily compromise hazelnut production. To this aim, we collect a custom dataset in a realistic outdoor environment and train a You Only Look Once (YOLO)-based Convolutional Neural Network (CNN), achieving ≈ 94.5% average precision on a holdout dataset. We extensively evaluate the detector performance by also analyzing the influence of data augmentation techniques and of depth information. We finally deploy it on a NVIDIA Jetson Xavier on which it reaches ≈ 50 fps, enabling online processing on-board of any robotic platform.
机译：在这项工作中，灵感来自H2020欧洲项目万神殿的需求，为榛子果园的精确养殖，我们提出了一种数据驱动的害虫检测系统。 实际上，害虫的早期检测是朝着精密农业（PA）设置中有效的作物防御策略设计的重要一步。 在可能的害虫中，我们专注于真正的错误，因为它们可以严重妥协榛子生产。 为此目的，我们在逼真的户外环境中收集自定义数据集并培训您只有一次（YOLO）基础的卷积神经网络（CNN），在HoldOut数据集中实现≈94.5％的平均精度。 我们通过分析数据增强技术和深度信息的影响，我们广泛评估了检测器性能。 我们终于将其部署在一个NVIDIA Jetson Xavier上，它达到≈50FPS，在线处理任何机器人平台。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号