基于YOLO目标检测的深度学习在甜樱桃表型分析中的应用
计算机视觉与模式识别
2023-02-15 v1 人工智能
摘要
果树育种是一项长期活动，涉及对大量样本的各种果实品质性状进行重复测量。这些性状传统上通过人工计数果实、称重以间接测量果实大小、以及通过与色卡进行视觉比对将果实颜色主观分类为不同颜色类别来测定。这些过程缓慢、昂贵，且受评估者偏见与疲劳的影响。深度学习的近期进展可帮助实现该过程的自动化。我们开发了一种方法，使用YOLOv3实时自动计数相机视场中的甜樱桃果实数量。我们还使用Python开发了一个能够分析图像数据中其他性状（如大小和颜色）的系统。YOLO模型在樱桃目标检测与计数上获得了接近99%的准确率，在提取大小和颜色信息时的目标定位交并比（Intersection over Union）指标上达到90%。该模型超越人类表现，相比人工计数有显著改进。
引用
@article{arxiv.2302.06698,
title = {An Application of Deep Learning for Sweet Cherry Phenotyping using YOLO Object Detection},
author = {Ritayu Nagpal and Sam Long and Shahid Jahagirdar and Weiwei Liu and Scott Fazackerley and Ramon Lawrence and Amritpal Singh},
journal= {arXiv preprint arXiv:2302.06698},
year = {2023}
}
备注
Published in 25th International Conference on Image Processing, Computer Vision, & Pattern Recognition (IPCV'21)