Dec, 2023

商业果园中基于 YOLOv8 和形状拟合技术的未熟青苹果检测与尺寸测量

PDF
TL;DR利用 YOLOv8 目标检测和实例分割算法以及 3D 传感器，在商业果园环境中精确测定不成熟青苹果（或称果芽）的大小，并强调了形状拟合方法和 3D 传感器在农业中改善果实大小估计方面的综合有效性。
applessize estimationyolov8instance segmentation3d sensors
发现论文，激发创造
  • 基于 YOLOv5 的果园中精确的苹果检测与定位用于机器采摘系统

    通过使用 YOLOv5 模型和多样的苹果树图像数据集，我们提出了一种新颖的苹果检测和位置估计方法，实现了在复杂果园环境中准确识别苹果并提供精确位置信息的鲁棒系统，其具有约 85% 的苹果检测准确率，这在农业机器人领域取得了重要进展，为更高效、可持续的水果采摘实践奠定了基础。

    May, 2024

  • 使用嵌入式系统和硬件加速器的实时苹果检测系统：一种边缘人工智能应用

    本文提出了一种基于嵌入式解决方案和 YOLOv3-tiny 算法的实时苹果检测方法，以达到较高的检测准确率和帧速，同时将算法部署在便宜而功耗低的嵌入式硬件上，可用于农业智能化领域中的无人车苹果检测。

    Apr, 2020

  • 用于苹果早期花朵和花序的机器视觉系统 —— 精准稀化和授粉

    该研究利用 YOLOv5 目标检测算法提出了一个视觉系统，能够在无结构的果园环境中检测早期果花的生长情况，并通过 K-means 聚类算法识别并管理整个果花群，实现果树产量管理及农业自动化。

    Apr, 2023

  • 基于图像分割的苹果果园水果检测与产量估计

    本文介绍了一种用于水果检测和计数的图像处理框架，使用单眼视觉系统所获得的高分辨率图像数据，包括多尺度多层感知器和卷积神经网络，结合元数据进行分割和检测，并在商业苹果园中进行了实验，得出了最佳性能。

    Oct, 2016

  • 基于 YOLO 目标检测技术的甜樱桃表型分析的深度学习应用

    通过使用深度学习中的 YOLOv3 模型，可以自动计算并分析产出树果，像甜樱桃的数量、大小和颜色等相关因素，该模型的准确度高达 99%。

    Feb, 2023

  • S$^3$AD：果园环境中的半监督小苹果检测

    本研究提出了一种半监督的小苹果检测系统 (S^3AD)，通过利用大型高分辨率数据集 MAD，基于上下文关注和选择性平铺的方法，解决了水果检测中小型水果检测的困难，同时限制了计算开销，并在评估中表现出了明显优势。

    Nov, 2023

  • 在复杂的果园环境中比较 YOLOv8 和 Mask RCNN 进行物体分割

    该研究比较了一阶段 YOLOv8 和二阶段 Mask R-CNN 机器学习模型在不同果园条件下的实例分割性能，结果显示 YOLOv8 在两个数据集上都表现出较好的准确率和接近完美的召回率，推断时间也明显快于 Mask R-CNN。

    Dec, 2023

  • 果园深度水果检测

    本文介绍了使用先进的物体检测框架 Faster R-CNN 对果园中的水果进行检测，包括芒果、杏仁和苹果，通过消融实验，数据增强技术和瓦片方法来提高检测精度和效率，并获得比以前更好的检测表现，对于苹果和芒果的 F1 值达到了 > 0.9。

    Oct, 2016

  • 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

  • 数据集合成效果探索：在果园中应用于苹果检测

    本研究探讨了使用稳定扩散 2.1 基础库生成苹果树合成数据集的可行性，并将其与基于真实数据训练的基准模型进行了比较。通过 YOLOv5m 对模型进行评估，结果表明使用合成数据进行训练的模型在真实图像上的性能略低于基准模型，但这些结果具有高度的前景，证明了合成数据生成技术作为目标检测模型训练数据收集的一种可行替代方法的潜力。

    Jun, 2023