May, 2024

MetaFruit遇见Foundation模型: 利用综合的多水果数据集推进农业基础模型

HTML
PDF
TL;DR通过VFMs进行水果检测，开发了适应不同果园条件的水果检测系统，并推出了MetaFruit数据集，该数据集在农业技术和机器人收获领域创造了新的基准，以解决农业部门的紧迫需求。
发现论文，激发创造
  • 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

  • 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

  • 商业柑橘果园中多个橙子检测和跟踪的流水线，包括三维水果定位和基于神经网络的产量回归

    利用基于近红外成像、计算机视觉和机器学习的自动系统，这篇论文提出了一种用于柑橘作物预测的非侵入性替代方案，该系统通过视频计数水果，并结合其他树木数据（如作物品种和树木大小）估计水果的总数。通过对视频中至少30%的水果进行准确检测、跟踪和计数，可以实现令人印象深刻的0.85的决定系数。该研究是少数几个以手动水果计数为评估参考点的柑橘估算方法尝试之一，并提供了用于图像水果计数的注释数据集以促进新方法的发展。

    Dec, 2023

  • 迁移学习在少样本水果分割中的应用

    我们提出了一种为农田水果开发的少样本语义分割框架，采用迁移学习策略，在没有公开标记数据的情况下实现了水果在农田中的准确语义分割。

    May, 2024

  • 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

  • 基于生成式人工智能的图像数据增强的甜瓜水果检测与质量评估

    生成AI可用于果实检测和质量评估，具有积极的农业应用前景。

    Jul, 2024

  • 农业机器人水果形状补全数据集与基准

    我们提出了首个用于农业视觉系统的公开可用的三维形状补全数据集，该数据集包含了几乎7000个RGB-D帧，属于100多种不同的水果。

    Jul, 2024

  • YOLOv8模型配置在开放环境中草莓果实生长阶段实例分割的性能评估

    本研究解决了草莓成熟阶段准确识别的问题，以优化产量管理和害虫控制。通过评估YOLOv8模型配置，发现YOLOv8n模型在分割准确性和推理速度上表现最佳，mAP达到80.9%，处理速度为12.9毫秒。这一研究结果展示了先进物体分割算法在开放农业中解决复杂视觉识别任务的潜力。

    Aug, 2024

  • 基于YOLOv8模型配置对开放环境中草莓果实发育阶段实例分割的性能评估

    本研究针对开放环境中草莓在成熟阶段的准确识别问题，评估了不同YOLOv8模型配置的性能。研究发现，YOLOv8n模型在分割精度上表现优越，平均准确率达到80.9%，且推理速度最快，为开放农业视觉识别任务提供了有效解决方案。

    Aug, 2024