UAVは、作物の視覚的な雑草識別および総合的な病害虫管理の最適な担い手として台頭しています。しかし、専門的なデータセットがないため、この分野におけるモデル開発の進歩が妨げられています。この問題に対処するため、Pests and Diseases Treeデータセット(PDTデータセット)を開発しました。PDTデータセットは、実際の運用環境で収集された、樹木の病害虫の標的検出のための最初の高精度UAVベースのデータセットであり、この分野で利用可能なデータセットのギャップを埋めることを目的としています。さらに、公開データセットとネットワークデータを集約することで、Common Weed and Cropデータセット(CWCデータセット)を導入し、この分野のデータセット内でのテストモデルの分類能力の不足という課題にも対応しました。最後に、雑草、害虫、病害作物の画像を高精度で物体検出するためのYOLO-Dense Pest(YOLO-DP)モデルを提案します。提案するPDTデータセットとCWCデータセットを使用して、最先端の検出モデルを再評価し、データセットの完全性とYOLO-DPの有効性を示します。提案するPDTデータセット、CWCデータセット、およびYOLO-DPモデルは、https://github.com/RuiXing123/PDT_CWC_YOLO-DPで公開されています。
タイトル: PDT:病害虫ツリー検出のためのUAVターゲットデータセット
リンク: https://arxiv.org/abs/2409.15679
概要:
UAVは、作物の視覚的な雑草識別および総合的な病害虫管理の最適な担い手として台頭しています。しかし、専門的なデータセットがないため、この分野におけるモデル開発の進歩が妨げられています。この問題に対処するため、Pests and Diseases Treeデータセット(PDTデータセット)を開発しました。PDTデータセットは、実際の運用環境で収集された、樹木の病害虫の標的検出のための最初の高精度UAVベースのデータセットであり、この分野で利用可能なデータセットのギャップを埋めることを目的としています。さらに、公開データセットとネットワークデータを集約することで、Common Weed and Cropデータセット(CWCデータセット)を導入し、この分野のデータセット内でのテストモデルの分類能力の不足という課題にも対応しました。最後に、雑草、害虫、病害作物の画像を高精度で物体検出するためのYOLO-Dense Pest(YOLO-DP)モデルを提案します。提案するPDTデータセットとCWCデータセットを使用して、最先端の検出モデルを再評価し、データセットの完全性とYOLO-DPの有効性を示します。提案するPDTデータセット、CWCデータセット、およびYOLO-DPモデルは、https://github.com/RuiXing123/PDT_CWC_YOLO-DPで公開されています。