基于生成式AI的芭蕉果检测与品质评估

监控和管理水果的生长与品质是非常重要的任务。为了有效训练用于实时水果检测的深度学习模型(如YOLO), 需要高质量的图像数据集。然而, 这些数据集在农业领域常常缺乏。生成式AI模型可有助于创建高质量图像。本研究使用MidJourney和Firefly工具通过文本到图像、预收获图像到图像和收获后图像到图像方法生成芭蕉果 greenhouse 和收获后水果的图像。我们使用PSNR和SSIM指标评估这些AI生成的图像, 并测试YOLOv9模型的检测性能。我们还评估了真实与生成水果的净品质。我们的结果显示, 生成式AI能够产生与真实图像高度相似的图像, 尤其是针对收获后水果。YOLOv9模型能够良好地检测生成图像, 净品质也具有可测量性。这表明生成式AI可创建用于水果检测和品质评估的真实图像, 并指出其在农业中的巨大潜力。本研究概述了利用AI生成图像进行芭蕉果检测和品质评估数据增强的潜力, 并展望了生成式AI在农业中的积极未来。