无人机松树嫩枝计数软件

识别准确率99.15%

基于YOLOX与SPSC-net模型，实现松树新嫩枝的自动化检测与计数，效率显著优于人工方法。

Xia, Hao · 曹越 · Zhaoxu, Zhang · Tomasetto, Federico · Yan, Weiqi · Xu, Cong · Luan qifu，栾启福， · Li, Yanjie

Plant Phenomics 2023

参数信息

树种识别准确率

99.15 %

计数均方误差

2.18

计数平均绝对误差

1.47

技术优势

识别比现有模型更准

改进的YOLOX模型在复杂RGB背景下的识别准确率达99.15%，优于YOLOv5、EfficientNet和Faster-RCNN。

计数误差最低

SPSC-net基于CCTrans网络，在均方误差（2.18）和平均绝对误差（1.47）上均低于DM-Count、CSR-net和MCNN。

首个自动化方案

首次实现湿地松树冠识别与新枝自动计数，填补了该领域自动化方法的空白。

应用场景

• 松树育种：用新枝密度快速筛选高生长潜力基因型，替代人工目测。
• 森林生长监测：通过无人机定期采集影像，自动跟踪新枝密度变化，省去样地人工调查。
• 无人机遥感分析：将原始无人机RGB图像直接转化为可用的新枝密度数据，无需人工解译。
• 植物表型研究：高通量获取新枝密度表型，支撑遗传关联分析和生长模型构建。