数据集概述
该数据集包含三个训练完成的YOLOv7系列模型权重文件，用于基于无人机影像的杂草与棉花检测任务。模型均通过标注农业田间图像训练，可对棉花植株与杂草进行分类和定位，各变体依据架构差异在精度与泛化能力上有所区分。
文件详解
该数据集包含三个PyTorch模型权重文件，具体说明如下：
- best_yolov7.pt：PyTorch权重格式（.pt），YOLOv7基础模型的训练权重，基于无人机影像训练用于杂草与棉花检测，为mAP@0.5评估中最优表现的训练轮次结果。
- best_yolov7w6.pt：PyTorch权重格式（.pt），YOLOv7-w6变体的训练权重，模型架构更大更深，针对复杂农业环境优化，在相同无人机数据集上训练并取得竞争性性能。
- best_yolov7x.pt：PyTorch权重格式（.pt），YOLOv7-x变体的训练权重，为研究中最先进的版本，在无人机农业影像上训练用于棉花与杂草检测，在测试变体中整体精度最高，适用于需高准确度与鲁棒性的任务。
适用场景
- 农业遥感监测：利用无人机影像实现农田杂草与作物的自动化检测与定位
- 智能农业装备：为农业机器人、精准喷洒系统提供视觉检测模型支持
- 作物生长管理：辅助分析田间杂草分布，优化除草作业策略
- 计算机视觉研究：用于比较不同YOLOv7变体在农业场景目标检测任务中的性能差异
