복잡한 농업 분야에서 객체 감지를 위한 HOP가 있는 YOLOv8 모델 시리즈 평가

최근 몇 년 동안 농업 분야에서 객체 감지를 위한 YOLO 모델을 심층적으로 조사하는 많은 연구가 진행되었습니다. 이러한 이유로, 본 연구는 서로 다른 농업 시나리오를 포함하는 네 개의 데이터 세트에 초점을 맞추었으며, YOLOv8과 HPO(하이퍼파라미터 최적화)의 감지 능력을 이해하기 위한 20개의 서로 다른 훈련이 수행되었습니다. 잡초/작물 및 파인애플 데이터 세트는 각각 mAP 점수 0.8507과 0.9466으로 YOLOv8n을 사용하여 가장 정확한 측정을 달성했으며, 포도 및 배 데이터 세트의 두드러진 모델은 각각 mAP 점수 0.6510과 0.9641로 YOLOv8l이었습니다. 이러한 상황은 다종 또는 단일 종의 다른 발달 단계의 객체에 대한 YOLO 훈련이 YOLOv8n을 강조하는 반면, 배경 시나리오에서 객체 감지만 추출하는 경우 자연적으로 YOLOv8l 모델을 강조한다는 것을 보여줍니다.