Jul, 2023

使用去噪扩散模型实现番茄植株分割

PDF
TL;DR本研究提出了 TomatoDIFF，一种新的基于扩散的模型，用于对植物上的西红柿进行语义分割。在高度遮挡的环境中，我们的模型表现出卓越的性能，甚至超过其他竞争方法。此外，我们还介绍了一个新的、大规模且具有挑战性的数据集 Tomatopia，其中包括高分辨率 RGB-D 图像和水果的像素级注释。
artificial intelligencecrop growthsemantic segmentationtomatoescomputer vision
发现论文，激发创造
  • 基于深度学习的复杂场景下番茄分类方法

    基于深度学习的番茄成熟监测方法，通过计算机视觉与人工智能技术优化番茄成熟状态的监测，实现及时检测并采摘成熟番茄，实验结果表明在极端条件下具有良好的分类准确率。

    Jan, 2024

  • 基于视觉的番茄尺寸测量系统在室内大棚种植环境中的应用

    本文提出了一种结合机器学习模型和三个低成本 RGBD 相机捕捉深度图像的大小测量方法，以便检测和测量西红柿的高度和宽度，以解决现有视觉系统在农业环境中的遮挡和可扩展性问题。在实验室环境的测试中，该系统能够实现 0.9114 的高度测量精度和 0.9443 的宽度精度以提高测量准确度。

    Apr, 2023

  • 卷积变形器用于自主识别和评分不同照明、遮挡和成熟条件下的番茄

    提出一种新颖的卷积变换框架，使用移动机器人自动识别和评分番茄，通过各种数据集的测试，显示其卓越的性能。

    Jul, 2023

  • 使用直方图滤波器的单目相机进行三维番茄定位

    通过使用直方图滤波器（贝叶斯离散滤波器）来评估番茄在番茄植物中的位置，本研究针对农业中的任务，如水果监控或收割，需要感知物体的空间位置。通过模拟实验和实验室条件下的测试，该算法在模拟实验中的平均绝对误差小于 10 毫米，在实验室条件下的测试中的平均绝对误差小于 20 毫米，结果可行于真实环境并应在更近的距离下改进。

    Oct, 2023

  • SegDiff: 基于扩散概率模型的图像分割

    本研究提出了一种新方法，利用扩展后的扩散概率方法，通过端到端学习和使用编码器 - 解码器网络，对图像进行分割。该方法可以迭代地细化分割图，获得最终的分割结果，在多个基准数据集上获得了最先进的结果。

    Dec, 2021

  • 基于扩散模型的标签效率语义分割

    本文研究了扰动扩散概率模型在语义分割任务中的应用，特别是在标注数据有限的情况下。通过探究预训练扩散模型的中间层，我们发现它们可以有效地捕捉输入图像的语义信息，并成为像素级别的分割表示。基于这些观察，我们提出了一种简单的分割方法，能在仅有少量训练图像的情况下显著提高性能。

    Dec, 2021

  • 利用蔬菜形状特征进行植物分割和跟踪，实现农业机器人的精密喷雾

    本文提出了一种针对蔬菜农田的多目标跟踪和分割的新方法，将轮廓和斑点特征分析应用于物体识别，通过数据的唯一标识符确保农业机器人在喷洒过程中对每个蔬菜只进行一次喷洒。

    Jun, 2023

  • 语义感知主动视觉有效搜索和检测相关植物部位

    提出了一种基于语义信息的主动视觉策略，可用于自动收割和除叶番茄作物中的植物部件识别，该策略具有优异的准确性和鲁棒性。

    Jun, 2023

  • 农业人工智能：基于 Sentinel-2 影像的作物分类的语义分割方法比较

    利用自由可用的卫星图像，探索可用于葡萄园分割问题的主要机器学习方法，并评估各种广泛使用的机器学习技术的有效性，为特定场景选择最合适的模型提供指导。

    Nov, 2023

  • 利用高光谱成像进行特种作物成熟度分类的双频带特征选择

    草莓和番茄等特殊作物的成熟度分类对于选择性采摘和质量控制是农业下游的重要活动。本文提出了一种特征提取方法，展示了在特征选择方面的最新成果，并通过比较分析表明该方法在成熟度分类和时间效率方面的表现优于现有方法。

    May, 2024