夏雪1, 柴秀娟1, 张凝1*, 周硕1, 孙琦鑫1, 孙坦2*
(1.中国农业科学院农业信息研究所/农业农村部农业大数据重点实验室,北京 100081;2.中国农业科学院,北京 100081)
摘要:[目的/意义]挂果量是果树栽培管理的重要指标。传统人力抽样估测果树挂果量的方法不仅耗时费力,而且容易产生较大误差。本研究提出一种用于边缘计算设备的轻量化模型,实现视频中树上柑橘挂果量的自动估测。[方法]该模型采用CSPDarkNet53+PAFPN结构作为特征提取网络,实现更快的推理速度和更低的模型复杂度,在果实跟踪过程中引入Byte算法改进FairMOT的数据关联策略,对视频中的柑橘进行预测跟踪,以提升挂果量估测准确性。[结果和讨论]在边缘计算设备NVIDIA Jetson AGX上进行模型性能测试结果表明,本研究所建模型对柑橘挂果量的平均估测精度(Average Estimating Precision,AEP)和处理速度(Frames Per Second,FPS)分别达到91.61%和14.76,模型估测值与人工测得真实值的决定系数R2为0.9858,均方根误差(Root Mean Square Error,RMSE)为4.1713,模型参数量、计算量(Floating Point Operations,FLOPs)和模型大小分别为5.01 M、36.44 G和70.20 MB,展现出较对比模型更优的挂果量估测性能和更低的模型复杂度。[结论]试验结果证明了本研究所建模型在边缘计算设备上对柑橘挂果量估测的有效性,基于算法模型研发的果园挂果量远程监测系统可满足用于果园移动平台行进状态下的果树挂果量估测需求。本研究可为果园生产力自动监测分析提供技术支持。
关键词: 精准园艺;挂果量估测;边缘计算;深度学习;多目标跟踪;轻量化模型
文章图片
图1 广西壮族自治区南宁市江南区柑橘果园
Fig. 1 Citrus orchard in Jiangnan district, Nanning city, Guangxi Zhuang autonomous region
图2 果实标注工具
Fig. 2 Fruit labeling tools
图3 果树挂果量估测算法处理流程图
Fig. 3 Flow chart of algorithm processing for fruit load estimation
图4 柑橘果实检测与ReID特征提取网络结构图
Fig. 4 Structure diagram of citrus fruit detection and ReID feature extraction network
图5 柑橘果实检测分支得到的中心热图、中心偏移量和边界框尺寸示意图
Fig. 5 Schematics of the keypoint heat map,local offset and object size from the citrus fruit detection branch
图6 柑橘果实跟踪流程图
Fig. 6 The flowchart for citrus fruit tracking
图7 不同模型柑橘果实检测效果对比
Fig. 7 Comparison of citrus fruit detection effect of different models
图8 柑橘果园挂果量远程监测系统运行图
Fig. 8 Operation diagram of the fruit load remote monitoring system of citrus orchard
图9 挂果量算法估测值与人工测得真实值拟合结果
Fig. 9 Fitting results of the fruit loads from algorithm estimation and the ground truth measured manually
通信作者简介
来源:《智慧农业(中英文)》2023年第2期
转载请联系编辑部授权
推荐阅读
王骥教授团队:基于轻量级MobileNet V3-YOLOv4的生长期菠萝成熟度分析(《智慧农业(中英文)》2023年第2期)
小
店
欢迎光临选购
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。