基于深度学习与智能无人机的蓝莓精准产量估算
计算机视觉与模式识别
2025-01-07 v1
摘要
我们提出了一条人工智能流水线,利用配备计算机视觉的智能无人机,以获得对田间蓝莓数量更为精准的果实计数与产量估算。其核心组件是两个基于 YOLO 深度学习架构的目标检测模型:一个灌木模型(Bush Model),能够从低空、不同角度拍摄的图像中检测蓝莓灌木;一个果实模型(Berry Model),能够检测灌木上可见的单个果实。这两个模型共同作用,通过智能控制无人机的位置与相机,使其能够安全地近距离拍摄灌木的侧视图像,从而实现更精准的产量估算。除了给出模型的实验结果——这些结果表明,在将拍摄图像裁剪至前景中心灌木周围时,模型在精确率与召回率方面均表现良好——我们还描述了如何利用不同的采样策略将模型部署用于蓝莓田的测绘,并讨论了对极小目标(蓝莓)进行标注的挑战以及评估模型有效性所面临的困难。
引用
@article{arxiv.2501.02344,
title = {Accurate Crop Yield Estimation of Blueberries using Deep Learning and Smart Drones},
author = {Hieu D. Nguyen and Brandon McHenry and Thanh Nguyen and Harper Zappone and Anthony Thompson and Chau Tran and Anthony Segrest and Luke Tonon},
journal= {arXiv preprint arXiv:2501.02344},
year = {2025}
}
备注
30 pages