Erkennung und Verfolgung von Zitrusfrüchten im Feld auf der Grundlage von Deep Learning
Um diese Probleme zu lösen, haben viele Forscher Deep-Learning-basierte Erkennungsalgorithmen vorgeschlagen. In realen Obstplantagen ist die Genauigkeit der vorhandenen Schätzmethoden jedoch durch die unterschiedlichen Fruchtgrößen und die gegenseitige Verdeckung stark eingeschränkt.
Leo_65 / Pixabay
In einem kürzlich veröffentlichten Artikel in Forschung im Gartenbau veröffentlichte Artikel schlug eine auf Deep Learning basierende Methode zum Zählen von Früchten auf dem Feld vor. Das Experiment wurde in zwei Orangenplantagen in der Stadt Meishan in der Provinz Sichuan in China durchgeführt. Die Methoden umfassten den Fruchterkennungsalgorithmus OrangeYolo und den Fruchtverfolgungsalgorithmus OrangeSort (siehe Abb. 1), die die Genauigkeit der Zählung von Zitrusfrüchten effektiv verbesserten. OrangeYolo verwendet Darknet53 als Backbone-Netzwerk für den Algorithmus und wurde modifiziert, um die Erkennungsgenauigkeit für kleine Ziele auf mehreren Ebenen zu verbessern. Die Forscher führten außerdem ein Modul zur Fusion von Kanal- und räumlicher Aufmerksamkeit auf mehreren Skalen ein, um semantische Merkmale des tiefen Netzwerks mit flachen texturalen Detailmerkmalen zu verschmelzen und so die Genauigkeit der Zielerkennung weiter zu erhöhen. OrangeSort, eine Art Fruchtverfolgungsmodul im Verfolgungsalgorithmus, kann verwendet werden, um das durch verdeckte Früchte verursachte Problem der Doppelzählung zu lösen. Die Forscher entwickelten einen Algorithmus zur Verfolgung von Bewegungsverschiebungen und eine Strategie zur Zählung bestimmter Verfolgungsregionen, um das Problem der Doppelzählung zu überwinden.
"Unter Verwendung von sechs Videosequenzen von zwei Feldern mit 22 Bäumen als Validierungsdatensatz zeigte die vorgeschlagene Methode die beste Leistung im Vergleich zur videobasierten manuellen Zählung", so die Autoren, was zeigt, dass die vorgeschlagene Methode im Vergleich zu anderen bestehenden Algorithmen einen praktischen Wert hat.
Die Autoren gaben auch einen Ausblick auf die Zukunft der Technologie: "Zukünftige Arbeiten können darauf abzielen, die 3D-Technologie zu nutzen, um die räumlichen Koordinaten von Früchten zu lokalisieren, um eine genauere Zählung zu ermöglichen, und das Abbiegen von Linienschwänzen wird in weiteren Forschungsarbeiten untersucht werden."
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.
Weitere News aus dem Ressort Wissenschaft
Holen Sie sich die Lebensmittel- und Getränke-Branche in Ihren Posteingang
Ab sofort nichts mehr verpassen: Unser Newsletter für die Lebensmittel- und Getränkeindustrie bringt Sie jeden Dienstag und Donnerstag auf den neuesten Stand. Aktuelle Branchen-News, Produkt-Highlights und Innovationen - kompakt und verständlich in Ihrem Posteingang. Von uns recherchiert, damit Sie es nicht tun müssen.
