Разработка алгоритма автоматического определения числа пропусков растений картофеля по снимкам посевов с БПЛА с применением машинного обучения
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 4 т.50, 2026 года.
Бесплатный доступ
В работе представлен разработанный подход к автоматической идентификации рядов картофеля и обнаружению пропусков по аэрофотоснимкам с БПЛА. Метод сочетает сегментацию растений с использованием моделей YOLOv11, адаптивную морфологическую фильтрацию с учётом пространственного разрешения и автоматическую коррекцию ориентации рядов. Экспериментальная апробация на полевых данных показала высокую точность выделения рядов (97,4 %) и эффективность выявления пропусков (F1-score 0,91). Полученные результаты свидетельствуют о корректности идентификации структуры посевов, что обосновывает применимость подхода для поддержки решений в цифровом сельском хозяйстве.
Короткий адрес: https://sciup.org/140316467
IDS: 140316467 | DOI: 10.18287/COJ1875
Development of a machine-learning algorithm for the automatic determination of the number of missing potato plants from UAV imagery
This paper presents a method for automatic identification of potato rows and detection of missing plants from UAV aerial imagery. The approach combines plant segmentation using YOLOv11 models, adaptive morphological filtering that accounts for spatial resolution, and automatic correction of row orientation. Experimental evaluation on field data demonstrated high row extraction accuracy (97.4 %) and effective gap detection (F1-score 0.91). The obtained results confirm the correct identification of crop structure, justifying the applicability of the approach for decision support in digital agriculture.
