基于仪器化摘果车与稳健数据处理管道的手动草莓收获产量精确估计与制图
信号处理
2026-02-16 v3
摘要
高分辨率产量图在商业规模上难以生成,因为机械收割机才有产量监测设备。然而,精准农业管理依赖准确确定空间和时间上的产量变异性。本研究提出了用于手动采收草莓的精准产量估计与制图的集成系统。将GPS接收器、惯性测量单元(IMU)和称重元件仪器化常规草莓摘果车,以记录实时带地理位置标签的收获数据和车辆运动。于加利福尼亚两处草莓田中收集了大量数据。为解决传感器和手动采收过程导致的不一致性和误差,开发了集成监督深度学习模型与无监督算法的稳健数据处理管道。该管道用于估计产量分布并生成所需网格分辨率下全季节收获的产量图。估计的产量分布用于计算两个指标:特定行段收获的总质量和收获托盘的总质量。与真实值比较后,分别实现了90.48%和94.05%的准确率。此外,基于单车收获托盘数的季节性产量估计准确率超过94%,且在两处田地中与实际计数托盘数呈强相关(Pearson r = 0.99)。该系统为特色作物提供了可扩展且实用的解 决方案,助力高效产量估计与制图、场地管理和劳动力管理,以实现可持续农业生产。
引用
@article{arxiv.2504.02846,
title = {Precision yield estimation and mapping in manual strawberry harvesting with instrumented picking carts and a robust data processing pipeline},
author = {Uddhav Bhattarai and Rajkishan Arikapudi and Chen Peng and Steven A. Fennimore and Frank N Martin and Stavros G. Vougioukas},
journal= {arXiv preprint arXiv:2504.02846},
year = {2026}
}
备注
Published in Elsevier Computers and Electronics in Agriculture