複雑な農業分野における物体検出のためのHOPを用いたYOLOv8モデルシリーズの評価

近年、多くの研究が農業分野における物体検出のためのYOLOモデルを深く調査しています。このため、本研究では異なる農業シナリオを含む4つのデータセットに焦点を当て、YOLOv8とHPO（ハイパーパラメータの最適化）の検出能力を理解することを目的に20の異なるトレーニングを実施しました。Weed/CropおよびPineappleデータセットは、それぞれmAPスコア0.8507および0.9466でYOLOv8nによる最も正確な測定値を達成しましたが、GrapesおよびPearデータセットでの顕著なモデルは、mAPスコア0.6510および0.9641でYOLOv8lでした。この状況は、複数の種または単一の種の異なる発達段階の物体によるYOLO訓練がYOLOv8nを際立たせる一方で、背景シナリオからの物体検出のみが自然にYOLOv8lモデルを際立たせることを示しています。