ECS-tea:一个生物灵感的高精度检测和定位算法,用于Pu-erh茶叶的年轻芽
Jianchao Wang1, Wei Li1, Jing Xu1
1School of Mechanical and Traffic Engineering, Southwest Forestry University, Kunming, China.
Frontiers in plant science
|December 19, 2025
概括
我们开发了ECS-Tea,这是一种用于精确检测和定位Pu-erh茶叶芽的轻量级框架,在复杂的环境中显著提高了自动收获的准确性和效率.
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:
- 精确的Pu-erh茶芽收获对于智能农业至关重要,但受到自然环境中准确的识别和定位的挑战.
- 自动收获系统需要强大的解决方案来检测和定位茶叶在复杂的,非结构化的环境.
研究的目的:
- 提出ECS-Tea,这是一个生物灵感的,轻量级的检测-定位框架,用于Pu-erh茶叶芽分析.
- 通过提高检测准确度和3D定位精度来增强自动茶叶收获.
主要方法:
- 基于YOLOv11-Pose开发的ECS-Tea,集成了EfficientNetV2骨干,跨度特征融合 (CSFF),空间通道协同注意 (SCSA) 和自适应的多深度融合.
- 在专门的Pu-erh茶叶芽数据集上训练并验证了框架.
主要成果:
- ECS-Tea实现了98.7%的目标检测精度和95.3%的关键点检测精度.
- 该框架拥有紧的3.3 MB架构,4.5 GFLOPs和高推理速度 (370.4 FPS).
- 与YOLOv11-Pose.相比,显著改善了关键点检测指标 (mAP@0.5(K) +4.9%,R(K) +3.8%,P(K) +3.4%) 的情况.
结论:
- 在实时应用中,ECS-Tea有效地平衡了准确性和计算效率.
- 集成模块协同促进了强大的茶叶芽检测和定位.
- 在非结构化的田间环境中,ECS-Tea提供了一个可部署的解决方案,用于在非结构化的田间环境中高精度采摘茶叶芽.
