基于深度学习方法荒漠草原典型植物花朵计数

草原植物花朵计数可以帮助我们了解草原植物的生长状况、繁殖能力、群落结构等信息,通过人工计数方法获取草原上不同物种花朵丰度是一个费时费力的过程。本研究基于深度学习目标检测方法,在鄂尔多斯荒漠草原上10个样地和50个样方上开展检测模型训练、评估和应用。从YOLOv7的3个模型整体表现来看,YOLOv7-E6E的F1-sorce和mAP@0.5均可达到0.7以上,具有较高的识别精度。从YOLOv7的3个模型在5种花朵检测的表现来看,YOLOv7-X、YOLOv7-E6E模型在北芸香、蒙古韭、细叶韭的检测上mAP@0.5高于0.8,而3个模型中仅有YOLOv7-E6E在蒺藜、兔唇花的mAP@0.5超过0.6。从模型在50个样方的花朵计数应用来看,YOLOv7-E6E模型花朵计数的总体正确率为0.91,能满足这5种草原开花植物检测和计数的需要。综上所述,通过深度学习花朵快速计数可以提高样方尺度花期植物调查效率,但为满足大规模物种调查和计数的任务需求,仍需扩大样本量和不断改进模型结构,以提高模型植物花朵检测的整体性能。