基于智能手机的葡萄检测和葡萄园管理框架,使用无人机训练的人工智能

科学领域:

• 农业技术 农业技术
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 葡萄种植需要有效地识别葡萄束,以评估产量和质量.
• 传统的方法是劳动密集型的,而先进的无人机系统可能无法为农民提供.
• 智能手机为农业数据收集提供了一个广泛可访问的平台.

研究的目的:

• 开发一种可访问和准确的基于人工智能的系统,用于在葡萄园中自动检测葡萄束.
• 将无人机数据与智能手机成像集成,以进行强大的模型训练和部署.
• 为农民创建一个实用,负担得起和可扩展的解决方案来监测葡萄产量.

主要方法:

• 开发了一个结合对象检测 (YOLO) 和像素级别细分 (X-Decoder) 的AI管道.
• 无人机 (UAV) 视频被用于初始模型训练和细分.
• 经过训练的模型被应用于普通智能手机 (小米Poco X3 Pro,iPhone X) 拍摄的图像中.
• 创建了一个Web应用程序,以促进系统与移动技术的集成.

主要成果:

• 人工智能系统实现了高检测准确度,精度为0.92,回忆率为0.735,F1得分为0.82.
• 该模型表现出强度,人工智能检测到的葡萄束与基本真相有很强的相关性 (R2 = 0.84).
• 综合方法在效率和适应性方面超过了传统和纯粹基于无人机的方法.

结论:

• 结合用于培训的无人机数据和用于应用的智能手机成像,为葡萄种植监测提供了一个实用且可扩展的解决方案.
• 开发的AI框架使先进的葡萄束检测能够通过随时可用的技术向农民提供.
• 这种方法大大减少了葡萄园产量评估所需的时间和精力,提高了农业实践.