无人机杂草检测分割

无人机杂草检测论文代码

**《基于深度学习的无人机正射影像杂草实例分割》

UAV-weed-detection-paper

数据获取

数据集可在[Zonedo平台]获取

数据集说明

• annotation_json_raw/
  原始标注文件（由Anylabeling生成）
• yolo_format/
  YOLO训练格式数据（通过code/yolo/json2yolo.py转换）
  • SR&SR_multi/：经Real-ESRGAN和Waifu2x-Extension-GUI超分辨率重建的数据
• maskrcnn_format/
  Mask RCNN训练格式数据（通过json2coco.zip内脚本转换）
• plots_img/
  地块样本图像（从正射影像裁剪，尺寸1000×3000像素）
  

训练与预测

• YOLOv8：基于Ultralytics框架训练
• Mask RCNN：基于Detectron2框架训练
  （注：Mask RCNN权重文件过大，已通过Release发布）
  

实验结果

包含训练权重、参数和评估结果：

• results/yolo/predict/predict_plots_both/
  使用results/yolo/train/SR/weights/best.pt权重预测的结果
  • 通过YOLOv8分割每个地块的马铃薯和杂草
  • labels/内.txt文件包含各目标坐标信息
  • 使用code/yolo/mask_area.py计算马铃薯/杂草覆盖面积
• 统计分析
  通过code/yolo/regression.py进行多元线性回归

（注：保留专业术语如YOLO/Mask RCNN/Detectron2等英文原名，关键路径保持原格式，超分辨率工具名维持英文专业表述）