猕猴桃芽检测模型

主侧芽精准区分

利用生长特性增强的两阶段检测方法,在区分猕猴桃主芽与侧芽上显著优于单阶段方法,为机器人疏果奠定基础。

Haojie, Dang · He, Leilei · Yufei, Shi · Janneh, Lamin L. · Liu, Xiaojuan · Chi, Chen · 李锐 · Ye, Hongbao · 陈锦永 · Majeed, Yaqoob · 寇小希 · 傅隆生

Computers and Electronics in Agriculture 2025

参数信息

平均精度(mAP)
66.4 %
主芽平均精度
81.2 %
侧芽平均精度
80.5 %

技术优势

主侧芽区分更准

两阶段方法利用生长特性增强后,主芽和侧芽的平均精度比单阶段分别高12.0%和14.3%,使疏果时能准确选择保留芽。

重叠分区提升精度

使用重叠分区算法后,两种标注策略的mAP分别提升15.8%和17.7%,解决了大图像中检测小目标的精度损失问题。

标注策略更有效

两分类标注策略(T-CAS)将主芽和侧芽合并标注,相比五分类策略mAP提高17.5%,减少类别混淆。

应用场景