基于深度學習的現場柑橘類水果檢測與跟蹤

近日，HorticultureResearch上發表的一篇文章提出了一種基于深度學習的現場水果計數方法。該實驗在中國四川省眉山市的兩個橘園進行。方法包括水果檢測算法OrangeYolo和水果跟蹤算法OrangeSort，有效提高了柑橘類水果計數的準確性。

OrangeYolo使用Darknet53作為算法骨干網絡，并進行了修改以提高多尺度小目標的檢測精度。研究人員還引入了通道注意和空間注意多尺度融合模塊，將深層網絡的語義特征與淺層紋理細節特征融合在一起，進一步提高了目標檢測的準確性。

OrangeSort是跟蹤算法中的一種水果跟蹤模塊，可用于解決因遮擋水果而導致的重復計數問題。研究人員開發了一種跟蹤運動位移的算法和一種計算特定跟蹤區域的策略，以克服重復計數問題。

“使用從包含22棵樹的兩個字段中獲取的六個視頻序列作為驗證數據集，所提出的方法顯示出相對于基于視頻的手動計數的最佳性能，”作者說，證明所提出的方法與其他現有算法相比具有實用價值.

作者還提供了對該技術未來的一瞥：“未來的工作可以著眼于使用3D技術定位水果空間坐標以實現更準確的計數，并將在后續研究工作中進一步探索線尾轉彎。”