基于Mamba YOLO的Shiitake果实体的检测和分类
Kangkang Qi1, Zhen Yang1, Yangyang Fan1
1Agricultural Information and Economics, Shandong Academy of Agricultural Sciences, 250100, Shandong, Jinan, China.
Scientific reports
|April 30, 2025
概括
一种新的mamba-YOLO方法自动检测和分类shiitake,提高收获效率. 这种由人工智能驱动的系统准确地根据成熟度和帽子纹理对进行分类,支持机器人收获.
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:
- 石竹的生产面临着手工劳动强度和低收获效率的挑战.
- 目前的方法缺乏用于准确检测和质量分类的自动化系统.
研究的目的:
- 开发和评估一种新的检测和分类方法,用于自动收获石竹.
- 为了提高石竹质量分类的效率和准确性.
主要方法:
- 基于Mamba-YOLO的检测和分类模型的实施.
- 在自建的石竹数据集上进行培训和测试.
- 使用精度,回忆和平均平均精度 (mAP) 评估模型性能.
主要成果:
- 曼巴-YOLO模型实现了高性能指标:98.89%的精度,98.79%的回忆,97.86%的mAP@0.5和89.97%的mAP@0.5-0.95.
- 不同类别的石竹的分类准确度在96.2%至98.8%之间.
- 该模型展示了8.3毫秒的快速检测速度和紧的尺寸 (6.1米).
结论:
- 曼巴-YOLO方法提供有效的自动检测和质量分类,为石竹.
- 该系统准确地评估了的成熟度和帽子纹理特征.
- 轻量化和高效的设计为石竹收获机器人提供了强大的技术支持.
