在石竹栽培棒中基于机器视觉检测色成熟度
Zeting Liu1, Jiuxiao Zhao2,3, Wengang Zheng2,4
1School of Mechanical Engineering and Automation, Dalian Polytechnic University, Dalian, China.
Frontiers in plant science
|November 24, 2025
概括
这项研究介绍了一种两阶段的AI模型,用于西竹种植,准确监测色阶段以获得更好的质量. 该系统使用VG-Stick-YOLOv11和ResNet-Stick-UNet进行精确的色检测和分析.
科学领域:
- 农业技术 农业技术
- 计算机视觉 计算机视觉
- 菌类学 菌类学是指菌类学.
背景情况:
- 精确监测石竹棒棕色化对于基质成熟度评估和产量预测至关重要.
- 目前的方法缺乏客观,实时和可量化的指标来评估色度.
研究的目的:
- 开发一个自动化,定量系统来监测石竹棒的色.
- 改善基质成熟度和整体种植质量的评估.
主要方法:
- 提出了一种两阶段的图像细分方法,从VG-Stick-YOLOv11模型开始进行轮提取和分类.
- 机器学习技术用于半自动注释,以创建分段数据集.
- ResNet-Stick-UNet (RS-UNet) 模型是为精确的色区域细分和面积比率计算而设计的,包含ResNet50和注意力机制.
主要成果:
- VG-Stick-YOLOv11实现了95.80%的mIoU,用于在降低计算成本的情况下提取棒轮.
- RS-UNet在棕色区域中显示出高分段精度 (94.35%) 和 IoU (88.56%),优于其他模型.
- 与基线相比,RS-UNet将模型参数减少了36.31%.
结论:
- 开发的两阶段模型为石竹棒成熟度检测提供了有效和定量解决方案.
- 这一进步支持了智能化和标准化发展的石竹种植实践.
更多相关视频
07:25Combining Histochemical Staining and Image Analysis to Quantify Starch in the Ovary Primordia of Sweet Cherry during Winter Dormancy
Published on: March 20, 2019
6.6K
07:36Visualizing Early Infection Sites of Rice Blast Disease Magnaporthe oryzae on Barley Hordeum vulgare Using a Basic Microscope and a Smartphone
Published on: March 17, 2023
2.1K
