多源数据融合算法的作物生长监测

基于自我注意机制全局特征依赖和YOLOv8的卷积局部特征依赖，实现层级特征的对齐和表型信息的准确提取，提高特征表达能力，从而更准确地计算作物的长、宽、高以及生菜产量有关的表型数据。

Based on the global feature dependencies modeled by the self-attention mechanism and the local feature dependencies captured by the convolutional modules of YOLOv8, this approach achieves hierarchical feature alignment and accurate extraction of phenotypic information, enhances feature representation capability, and thereby enables more accurate calculation of phenotypic data related to crop length, width, height and lettuce yield.

搜集汇总

背景与挑战

背景概述

该数据集专注于作物生长监测，通过结合自我注意机制和YOLOv8算法实现多源数据融合，旨在准确提取作物表型信息（如长、宽、高和生菜产量）。数据集属于农业数据领域，覆盖上海市金山区廊下镇，适用于现代农业和金融服务场景，具有静态更新、数据量较大（约307200 MB）和11个数据维度的特点。