基于无人机影像的玉米缺苗预测数据

玉米制种过程中，缺苗的识别是保障制种产量，弥补高额成本的重要指导依据。制种田母本种植密度严格，缺苗意味着有效穗数减少，会导致单亩成本摊销急剧上升，直接拉低种子企业的利润空间。如果父本行缺苗严重，会导致花粉量不足，造成母本授粉不良，结实率下降，且容易出现“秃尖”或“稀籽”，最终生产出的种子发芽率不达标。缺苗会造成局部空间裸露，改变了田间的温湿度微环境，缺苗严重的地块，地温升高快，可能导致母本生长发育速度偏离预期，造成“花期不遇”（母本吐丝过早或过晚）。只有通过早期缺苗识别（结合出苗率调查），才能及时采取偏施肥、喷施调节剂或进行人工辅助授粉等措施进行补救。如果没有精准识别，等到发现花期错位时往往已无法挽回。一、加工前的数据说明 利用搭载高清可见光相机的无人机采集玉米苗期种植区的高分辨率影像数据。 二、处理规则 （一）缺苗特征选择 对调查获取的玉米苗期数据进行清洗，提取与出苗强相关的数据特征，并进行数据标准化。 （二）模型建立 将玉米苗特征数据与无人机采集的玉米图像特征数据进行关联融合，形成训练数据集；建立玉米出苗识别模型，学习玉米图像特征与玉米出苗特征之间的映射关系，训练完成后形成最终模型。其中，模型训练及测试参数如下：标签种类：玉米苗；识别结果数：出苗数337、缺苗数2、出苗率99.41%；识别用时：1.37s；模型名称：Yolov8；学习率：0.001；权重衰减(weight-epochs)：0.0005；批量大小(batch)：8；定位损失：0.013；分类损失：0.171；训练精度：0.972；召回率：0.96；F1值：0.937。 （三）模型应用 将新采集的玉米图像输入到玉米出苗识别模型，模型会自动识别定位图像中玉米苗位置及缺苗位置，统计得到玉米出苗、缺苗等数据，指导玉米补苗管理农事行为。 三、数据内容描述 最终形成的数据集合包含以下内容：无人机玉米苗麦穗影像数据，玉米苗标记标签数据等。本数据集可用于玉米制种等农事行为管理。

搜集汇总

背景与挑战

背景概述

该数据集基于无人机采集的玉米苗期高分辨率可见光影像，包含无人机玉米苗麦穗影像和玉米出苗标记标签等数据，用于玉米制种过程中的缺苗预测与识别。数据集采用Yolov8模型进行训练，训练精度为0.972，召回率为0.96，F1值为0.937，识别出苗数337、缺苗数2，出苗率99.41%，可支持玉米补苗管理农事行为。