Identifying yellow hawkweed in wild blueberry fields using drone images for site-specific herbicide application
Notice bibliographique
Résumé
Abstract. Yellow hawkweed (Hieracium caespitosum Dumort) is a perennial weed commonly found in wild blueberry (Vaccinium angustifolium Ait.) fields in Atlantic Canada. When not managed properly, yellow hawkweed competes for space and nutrients, affecting crop yields. Current management techniques rely on broadcast herbicide applications, which are costly, contribute to the development of herbicide resistance and have negative environmental impacts. This research proposes a method to identify yellow hawkweed in drone imagery to create prescription maps for site-specific herbicide applications to improve the management of yellow hawkweed in the wild blueberry industry. A drone equipped with a DJI Zenmuse P1 optical (red, green, blue) camera was deployed to capture images to identify and segment the areas of the fields containing yellow hawkweed. Multiple models were trained and evaluated for their efficacy in detecting and segmenting yellow hawkweed. YOLO11n-seg proved to be most effective at yellow hawkweed identification. The model that achieved the highest results had a recall of 92.37% when including background images and 72.81% when excluding background images. This model was also able to correctly identify 97.11% of background images. These results indicate that yellow hawkweed can be effectively detected in drone imagery. The findings demonstrate the feasibility of drone imagery and computer vision for weed detection in wild blueberry fields.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».