基于YOLOv8n + OC-SORT + CRCM算法的百香果产量估算

datayx

于 2025-03-25 10:21:04 发布

阅读量69

点赞数 1

文章标签： YOLO 算法人工智能

原文链接：https://mp.weixin.qq.com/s?__biz=MzA4MTk3ODI2OA==&mid=2650363312&idx=1&sn=09ceca68149d74a82c60b4c1f1787f79&chksm=86ba7f84ad1e442504fe5cc4b5056f7d249f1d7e62020cf0b6ed796508dbbc7d9bc0371c2742&scene=126&sessionid=0

版权

向AI转型的程序员都关注公众号机器学习AI算法工程

百香果产量的精确估计对于果园的有效管理至关重要，但它带来了诸如遮挡、光线变化和相机抖动等挑战，这可能导致漏检、错误检测和重复计数小果等问题。在本研究中，提出了一种鲁棒的计算机视觉算法YOLOv8n + OC-SORT + CRCM （Central Region Counting Method）来完成百香果的检测、跟踪和产量估计三个任务。首先，比较了各种YOLO系列检测算法对百香果的检测结果，选择了YOLOv8n作为检测器。然后，选择OC-SORT算法作为跟踪器，因为它可以有效地解决遮挡、垂直抖动和速度不均匀等问题。最后，设计了用于百香果计数的CRCM计数算法，以解决估计百香果产量的挑战。为了验证这些方法的有效性，建立了一个真实世界的百香果视频数据集，其中包括24个视频，每个视频的长度为1分钟。在测试集上的检测结果中，YOLOv8n探测器在YOLOv5n、YOLOv7和YOLOv8n三种探测器中取得了最好的效果，mAP@0.5 （mean Average Precision）达到86.3%，模型大小仅为6.2 MB。OC-SORT跟踪器的HOTA（高阶跟踪精度）为67.10%，比BoT-SORT、Byte Track和Strong SORT三种主流跟踪器分别高出2.98%、4.71%和8.82%。在果实产量估计中，CRCM的平均计数准确率为87.0%，分别比ID数法和单线法（SLM）方法高49.8%和10.5%。综上所述，YOLOv8n + OC-SORT + CRCM算法有效解决了错误识别、小果漏检、重复计数等问题，实现了对百香果产量的稳定、实时、准确估计。

图1 百香果栽培。

图2 数据集的一部分。

图3 数据集的处理流程。

图4 基于YOLOv8n + OC-SORT + CRCM的百香果产量估计算法流程图。

图5 C3模块和C2f模块。

图6 YOLOv8架构。

图7 OC-SORT。

图8 计算SLM和CRCM的面积。

图9 不同检测器在实际场景中的检测结果。

图10 视频41中OC-SORT、BoT-SORT、ByteTrack和Strong SORT跟踪结果的比较。

图11 测试视频10,21的OC-SORT跟踪结果。

图12 真实值与预测果数方法（ID number， SLM， CRCM）的比较结果。

图13 ID、SLM和CRCM的数量可视化结果。

来源

Tu, S., Huang, Y., Huang, Q., Liu, H., Cai, Y., & Lei, H. Estimation of passion fruit yield based on YOLOv8n + OC-SORT + CRCM algorithm. Computers and Electronics in Agriculture. 2025, 229, 109727

机器学习算法AI大数据技术

搜索公众号添加： datanlp