基于深度学习的方法来检测actinidia花和性别评估
Isabel Pinheiro1,2, Germano Moreira3,4, Sandro Magalhães3,5
1Institute for Systems and Computer Engineering, Technology and Science (INESC TEC), Porto, 4200-465, Portugal. isabel.a.pinheiro@inesctec.pt.
Scientific reports
|October 18, 2024
概括
这项研究引入了Actinidia中机器人授粉的深度学习,从而能够精确地检测花的性别. 对于先进的人工授粉系统,DETR模型显示出强大的性能.
科学领域:
- 农业机器人农业机器人
- 计算机视觉 计算机视觉
- 植物科学 植物科学
背景情况:
- 授粉对于像Actinidia (基维果) 这样的自给作物至关重要,由于双胞胎的开花和缺乏花蜜,这种作物面临着独特的挑战.
- 吸引自然授粉者是很困难的,这引发了对人工智能 (AI) 和用于授粉的机器人解决方案的兴趣,特别是在不理想的条件下.
研究的目的:
- 解决缺乏基于性别的花朵检测和在Actinidia授粉中低利用深度学习的问题.
- 评估深度学习模型 (YOLOv8,YOLOv5,RT-DETR,DETR) 的性能,以准确地根据性别检测Actinidia花.
主要方法:
- 根据性别分类的Actinidia花的手动注释数据集.
- 评估了四个预训练的深度学习模型,使用k-fold交叉验证来检测花朵和确定性别.
- 根据精度,回忆,F1得分和平均平均精度 (mAP) 评估模型性能.
主要成果:
- DETR模型显示出最平衡的性能,实现了高精度 (89%),回忆 (97%),F1得分 (93%) 和mAP (94%).
- 这项研究强调了深度学习在准确识别和区分Actinidia花的性别方面的有效性.
- 在各种环境条件下处理复杂的检测任务时,DETR的稳定性得到了注意.
结论:
- 深度学习模型,特别是DETR,显示了在Actinidia中实现精确,性别特定的机器人授粉的巨大潜力.
- 这项研究为开发先进的人工智能驱动的机器人授粉系统铺平了道路,以提高作物产量和效率.
