葡萄串检测图像数据集

葡萄串检测图像数据集
关键词: 地球和自然, 农业, 计算机视觉, 图像, YOLO, 对象检测
描述:
介绍
该数据集的目的是更好地了解对象检测及其在农业中的应用。训练有素的模型，使用Yolov8体系结构和预处理的重量，可以检测单个葡萄簇。通过检测葡萄簇，我们可以使用这些数据来构建进一步的模型来检测其他数据，例如疾病或估计收率。

数据集说明
使用I-PAD AIR2 RGB摄像机收集数据。该相机具有8兆像素，分辨率为3226×2449。该数据由〜100张图像组成，预处理后。使用labelimg注释数据。

实施步骤
①数据预处理
数据通过其边界框极端裁剪，然后分成至少1280×1280的尺寸的较小图像。（链接到代码待处理）。数据分为火车（80％）Val（10％）测试（10％）

②模型培训
模型使用了Yolov8体系结构和默认的超参数。可以在[超级文档]（https://docs.ultralytics.com/modes/train/）上看到。该模型接受了35个时代的训练。

③评估和推理
1评估指标：联合（IOU）的相交，平均平均精度（地图）。这些可以在文件夹〜/splitimageStrain/single_box_grape/results.csv中看到
最佳的分数：map50：.901;MAP50-95：.669

2可以看到检测到的黑比诺葡萄的模型性能分析和可视化〜/splitimageStrain/singsimagestrain/single_box_grape/results.png
要查看预测jgs查看〜/splitimagestrain/single_box_grape2
要查看葡萄跟踪和计数的视频查看视频：grape_track_count.avi

结论
使用小型数据集可以训练Yolo模型，以检测给定图像和视频中的葡萄。未来的工作将包括和改善跟踪，细分和不同的葡萄品种。