.png){kind=icon}
返回
Capsicum Counting Algorithm Using Infrared Imaging and YOLO11
.png){kind=icon}
OA
AI
DOI：10.3390/agriculture15242574.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
温室中的果实检测与计数是数据驱动资源管理和产量估算的关键组成部分。本研究提出了一种基于红外（IR）成像的甜椒计数新方法，利用红外成像的光透射特性，在光照条件恶劣的情况下增强检测效果。所提出的甜椒计数流程整合了YOLO11检测模型用于甜椒识别，以及BoT-SORT多目标跟踪器用于跨视频流跟踪检测，从而实现精确的果实计数。检测模型在包含1000张图像的数据集上进行训练，该数据集标注了11,916个甜椒，图像由安装在甜椒温室内的移动机器人上的OAK-D pro相机拍摄。在红外测试集上，YOLO11m模型达到了0.82的F1分数，跟踪器获得了0.85的多目标跟踪准确率（MOTA），在一条代表性的温室行中准确计数了70个甜椒中的67个。结果表明，该基于红外的方法在温室环境中自动化果实计数方面具有有效性，为产量估算提供了潜在应用。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.6
论文数:
1.3W
被引数:
2.8W
机构
暂无机构信息
引用论文
分享收藏SwinT-YOLO: Detection of densely distributed maize tassels in remote sensing imagesSwint-yolo: 遥感图像中密集分布的玉米流苏的检测
PREAI
分享收藏Detection of common defects on mandarins by using visible and near infrared hyperspectral imaging
PREAI
分享收藏An Overview of the Application of Machine Vision in Recognition and Localization of Fruit and Vegetable Harvesting Robots机器视觉在果蔬收获机器人识别与定位中的应用综述.png)
AGRICULTURE-BASEL
OAAI
AGRICULTURE-BASELIF3.6
OAAI分享收藏分享收藏
查看更多内容