相关实验视频
Updated: Jul 16, 2025
11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
21.5K
使用增强现实和深度学习实时检测草成熟度
Jackey J K Chai1, Jun-Li Xu2, Carol O'Sullivan1
1School of Computer Science and Statistics, Trinity College Dublin, D02 PN40 Dublin, Ireland.
Sensors (Basel, Switzerland)
|September 9, 2023
概括
这项研究引入了一个使用YOLOv7物体检测和增强现实的自动化系统,以准确地实时评估草成熟度,提高农民的收获质量和效率.
科学领域:
- 农业技术 农业技术
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
背景情况:
- 草收获依赖于手工劳动和主观成熟度评估,导致收获后质量变化.
- 自动化成熟度检测对于提高草生产效率和一致性至关重要.
研究的目的:
- 开发一个自动化系统,用于准确和高效的草成熟度评估.
- 整合对象检测和增强现实以实时视觉成熟度反.
主要方法:
- 利用YOLOv7对象检测与转移学习,微调和多尺度训练来识别草成熟度.
- 实现了增强现实 (微软HoloLens 2) 在现实条件下将成熟标签叠加在草上.
- 使用mAP和F1得分等指标评估模型性能,并测量检测速度.
主要成果:
- YOLOv7模型在检测草成熟度方面取得了很高的准确性,其mAP为0.89和F1得分为0.92.
- 实现实时检测,平均检测时间为每18毫秒,分辨率为1280x720.
- 与其他最先进的方法相比,证明了卓越的性能.
结论:
- 开发的系统比传统的草成熟度评估方法有了显著的进步.
- 增强现实集成为农民在收获期间提供实际的视觉援助.
- 这项技术具有改变农业实践和改善作物管理的巨大潜力.
