苹果园产量制图中的果实检测与计数方法比较研究
计算机视觉与模式识别
2019-09-17 v2 机器人学
摘要
我们提出了基于近期深度学习方法的苹果检测与计数新方法，并将其与基于经典方法的最先进结果进行比较。我们的目标是量化基于神经网络的方法相对于基于经典方法的方法的性能提升。此外，我们引入了一个用于整行苹果计数的完整系统。该任务具有挑战性，因为它需要跟踪来自行两侧图像中的果实。我们在六个数据集上评估了三种果实检测方法和两种果实计数方法的性能。结果表明，在多数数据集中，经典检测方法仍优于基于深度学习的方法。然而对于果实计数，基于深度学习的方法在所有数据集中表现更好。将经典检测方法与时基于神经网络的计数方法相结合，我们实现了从 95.56% 到 97.83% 的显著产量精度。
引用
@article{arxiv.1810.09499,
title = {A Comparative Study of Fruit Detection and Counting Methods for Yield Mapping in Apple Orchards},
author = {Nicolai Häni and Pravakar Roy and Volkan Isler},
journal= {arXiv preprint arXiv:1810.09499},
year = {2019}
}
备注
28 pages