用于边缘计算设备的果树挂果量轻量化估测模型

文献类型： 中文期刊

第一作者： 夏雪

作者： 夏雪;柴秀娟;张凝;周硕;孙琦鑫;孙坦

作者机构：

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

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2023 年 5 卷 002 期

页码： 1-12

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 Er?ror,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.

分类号： TP181%S225.93

  • 相关文献

[1]基于改进YOLOv5n的花生荚果实时检测方法. 吴阳华,王建楠,刘敏基,游兆延,谢焕雄,杜元杰. 2025

[2]基于改进YOLOv5s模型的自然场景中绿色柑橘果实检测. 吕强,林刚,蒋杰,王明之,张皓杨,易时来. 2024

[3]基于Bytetrack的多目标跟踪算法在斑马鱼毒性行为识别中的应用. 赵海翔,崔鸿武,黄桢铭,王磊,李皓,崔正国,曲克明. 2024

[4]基于状态向量增强ByteTrack的新生羔羊活动量自动计算方法. 林庆霞,顾兴健,陈新文,熊迎军,张国敏,王锋,张生福,陆明洲. 2024

[5]机器视觉结合深度学习对荔枝估产的算法研究. 高翔,陈福展,董力中,卢嘉威,李媛媛,凡超,陈万云. 2024

[6]基于区块链和边缘计算的水稻原产地溯源方法研究. 孙传恒,袁晟,罗娜,徐大明,杨信廷. 2023

[7]基于边缘计算的温室传感器故障自识别系统设计与实现. 肖雪朋,王明飞,张馨,王利春,魏晓明,郑文刚. 2024

[8]复杂场景下害虫目标检测算法:YOLOv8-Extend. 张荣华,白雪,樊江川. 2024

[9]基于云边端协同技术的水肥一体化控制系统开发与应用. 陈维榕,李莉婕,赵泽英,韩威,邹玮,赵晨洁. 2024

[10]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[11]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[12]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[13]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[14]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[15]基于神经网络的文献主题国别标引方法研究. 王新. 2019

[16]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[17]基于YOLOv3深度卷积神经网络的田间百香果定位. 林营志,卢依琳,刘现. 2019

[18]基于深度学习的无人机影像玉米倒伏区域提取. 郑二功,田迎芳,陈涛. 2018

[19]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[20]蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试. 李华龙,李淼,詹凯,刘先旺,杨选将,胡泽林,郭盼盼. 2020

作者其他论文 更多>>

微信小程序