基于视频跟踪算法的果园猕猴桃产量实时预估
Transactions of the Chinese Society for Agricultural Machinery（2023）
摘要
对猕猴桃产量的准确预估有利于合理安排后续采摘与运输工序,因此开发智能化的产量实时预估工具非常重要.针对大棚培育的猕猴桃矮化密植、分布范围广等特点,本研究利用果园履带小车采集视频,结合人工标注,建立猕猴桃检测和跟踪的数据集.考虑到自制数据集中猕猴桃占比小及密集分布的特点,本文提出使用YOLO v7模型加上Soft-NMS来检测每一帧图像内的猕猴桃.在卡尔曼滤波器预测的结果上,引入VGG16网络对猕猴桃进行特征提取,并结合匈牙利算法完成帧间目标的匹配.最后采用基于YOLO v7+DeepSort跟踪算法的ID计数方法对猕猴桃进行产量估计.实验结果表明,改进的YOLO v7模型在猕猴桃检测数据集上表现良好,检测的F1值为90.09％.猕猴桃跟踪数据集中使用的跟踪算法平均准确率为89.87％,每个目标正确匹配的精确率为82.34％,大型视频跟踪速度为20.19 f/s.在环境影响较小的条件下,ID计数准确率为97.49％.该方法可为猕猴桃果园智能化管理中的估产、采收规划等提供技术支撑.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要