基于YOLOv8与形状拟合技术的商业果园未成熟青苹果检测与尺寸估计
计算机视觉与模式识别
2024-04-03 v2
摘要
在苹果生长早期进行检测并估计其尺寸，对于预测产量、病虫害管理以及做出与负载管理、采收和采后物流及营销相关的明智决策至关重要。传统的果实尺寸测量方法费时费力。本研究采用最先进的YOLOv8目标检测与实例分割算法，结合三维点云数据上的几何形状拟合技术，在商业果园环境中精确测定未成熟青苹果（幼果）的尺寸。该方法使用了两种RGB-D传感器：Intel RealSense D435i和Microsoft Azure Kinect DK。值得注意的是，YOLOv8实例分割模型在未成熟青苹果检测中表现出色，其中YOLOv8m-seg模型取得了最高的[email protected]和[email protected]分数，分别为0.94和0.91。利用Azure Kinect图像上的椭球拟合技术，我们在估计苹果幼果尺寸时实现了2.35 mm的RMSE、1.66 mm的MAE、6.15 mm的MAPE以及0.9的R平方值。部分遮挡等挑战导致基于YOLOv8的分割技术在精确描绘和测量青苹果尺寸时产生一些误差，尤其是在果实簇中。在与102个室外样本的比较中，尺寸估计技术在Microsoft Azure Kinect采集的图像上表现优于Intel RealSense D435i。这种优越性体现在以下指标上：RMSE值（Azure Kinect为2.35 mm，RealSense D435i为9.65 mm）、MAE值（Azure Kinect为1.66 mm，RealSense D435i为7.8 mm）以及R平方值（Azure Kinect为0.9，RealSense D435i为0.77）。
引用
@article{arxiv.2401.08629,
title = {Immature Green Apple Detection and Sizing in Commercial Orchards using YOLOv8 and Shape Fitting Techniques},
author = {Ranjan Sapkota and Dawood Ahmed and Martin Churuvija and Manoj Karkee},
journal= {arXiv preprint arXiv:2401.08629},
year = {2024}
}