基于MHSA-YOLOv8的番茄成熟度检测和计数模型
Ping Li1, Jishu Zheng1, Peiyuan Li1
1Chongqing Academy of Agricultural Sciences, Chongqing 401329, China.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
本研究介绍了MHSA-YOLOv8用于自动化番茄分类和计数,提高农业的效率. 人工智能模型准确评估水果的成熟度和数量,帮助数字监督和精准农业操作.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 手动的番茄分类和计数是劳动密集型,耗时,容易出现人为错误.
- 数字监控和精准农业需要自动化解决方案来监测水果生长.
- 整合人工智能和机器视觉提供了一个有希望的方法来克服手工限制.
研究的目的:
- 开发一种自动化系统来对番茄果实成熟度进行分类和计数.
- 增强农业应用物体检测模型的能力.
- 提高番茄收获和分类过程的效率和准确性.
主要方法:
- 从真实的生产环境中收集了番茄果图像数据集,考虑了遮蔽和照明变化.
- 提出了MHSA-YOLOv8,一个包含MHSA注意力机制的物体检测模型,以改善特征提取.
- 开发和评估了番茄成熟度分类和果实计数的模型.
主要成果:
- 在番茄成熟度分级方面,MHSA-YOLOv8模型取得了高性能 (精度:0.806,回忆:0.807,F1得分:0.806,mAP50:0.864).
- 计数模型表现出极好的准确性 (精度:0.990,回忆:0.960,F1分数:0.975,mAP50:0.916). 这是一个非常好的方法.
- 开发的模型对于在线和离线检测场景都有效.
结论:
- 基于MHSA-YOLOv8的系统显著提高了自动化的番茄成熟度分级和计数.
- 拟议的方法为复杂的农业环境提供了可靠的解决方案.
- 这项技术可以大大提高番茄种植者收获和分类效率.


