AFBF-YOLO: 温室環境におけるチェリートマトの束と成熟度を検出するための改良されたYOLO11nアルゴリズム

科学分野:

• 農業工学
• コンピュータ・ビジョン
• 機械学習

背景:

• チェリートマトのクラスターと熟成期を正確に検出することは 自動収穫に不可欠です
• 難題には,閉塞,果実の重なり,複雑な温室環境における微妙な熟成度の変化が含まれます.

研究 の 目的:

• チェリートマトの検出と熟成度評価のための,YOLOv11ベースの深層コンボリューションニューラルネットワークモデル (AFBF-YOLO) の改良を提案する.
• 複雑な条件下での精度向上のために特徴表現とマルチスケール融合を強化します.

主な方法:

• 4つの熟成段階にわたる15万以上の注釈されたインスタンスを含む486のRGB画像のデータセットを開発しました.
• YOLOv11にACmixの注意メカニズムを組み込み,特徴をより良く表現した.
• 改良されたマルチスケール機能融合のための新しいFreqFusion-BiFPNネック構造を設計しました.
• インナー・フォーカラー・IoU 損失関数を適用し,境界ボックスのローカライゼーションを強化しました.

主要な成果:

• AFBF-YOLOは81.2%の精度,81.3%のリコール,85.6%のmAP@0.5を達成した.
• このモデルは,いくつかの主流のYOLOシリーズ検出器を上回りました.
• 異なる熟成段階において高い精度を示し,計算上の複雑性が低い.

結論:

• AFBF-YOLOは,チェリートマトの検出と成熟度評価の課題を効果的に解決しています.
• このモデルは,自動採集に不可欠な,果実の束と成熟度の同時検出をサポートします.
• この研究により 精密農業とインテリジェントな収穫システムの 進歩に寄与しています