Detección y seguimiento de cítricos sobre el terreno basado en el aprendizaje profundo
Para resolver estos problemas, muchos investigadores han propuesto algoritmos de detección basados en el aprendizaje profundo. Sin embargo, en los huertos reales, la precisión de los métodos de estimación existentes está muy limitada por los diversos tamaños de las frutas y la oclusión mutua.
Leo_65 / Pixabay
Recientemente, un artículo publicado en Investigación en horticultura propuso un método de recuento de frutas en el campo basado en el aprendizaje profundo. El experimento se realizó en dos huertos de naranjas en la ciudad de Meishan, en la provincia china de Sichuan. Los métodos incluían el algoritmo de detección de frutas OrangeYolo y el algoritmo de seguimiento de frutas OrangeSort (como se muestra en la Fig. 1), que mejoraron eficazmente la precisión del recuento de cítricos. OrangeYolo utiliza Darknet53 como red troncal del algoritmo y fue modificado para mejorar la precisión de la detección de objetivos pequeños a múltiples escalas. Los investigadores también introdujeron un módulo de fusión multiescala de atención de canales y atención espacial para fusionar las características semánticas de la red profunda con las características de detalle de textura poco profundas, lo que aumentó aún más la precisión de la detección de objetivos. OrangeSort, un módulo de seguimiento de frutas en el algoritmo de seguimiento, puede utilizarse para resolver el problema del doble recuento causado por las frutas ocluidas. Los investigadores desarrollaron un algoritmo para el seguimiento del desplazamiento del movimiento y una estrategia para el recuento de regiones de seguimiento específicas para superar el problema del doble recuento.
"Utilizando seis secuencias de vídeo tomadas de dos campos que contienen 22 árboles como conjunto de datos de validación, el método propuesto mostró el mejor rendimiento en relación con el recuento manual basado en vídeo", dijeron los autores, demostrando que el método propuesto tiene valor práctico en comparación con otros algoritmos existentes.
Los autores también ofrecieron un vistazo al futuro de la tecnología: "Los trabajos futuros pueden ir encaminados a utilizar la tecnología 3D para localizar las coordenadas espaciales de la fruta y permitir un recuento más preciso, y los giros de la cola de la línea se seguirán explorando en posteriores trabajos de investigación".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Más noticias del departamento ciencias
