基于深度学习的现场柑橘类水果检测与跟踪

近日，HorticultureResearch上发表的一篇文章提出了一种基于深度学习的现场水果计数方法。该实验在中国四川省眉山市的两个橘园进行。方法包括水果检测算法OrangeYolo和水果跟踪算法OrangeSort，有效提高了柑橘类水果计数的准确性。

OrangeYolo使用Darknet53作为算法骨干网络，并进行了修改以提高多尺度小目标的检测精度。研究人员还引入了通道注意和空间注意多尺度融合模块，将深层网络的语义特征与浅层纹理细节特征融合在一起，进一步提高了目标检测的准确性。

OrangeSort是跟踪算法中的一种水果跟踪模块，可用于解决因遮挡水果而导致的重复计数问题。研究人员开发了一种跟踪运动位移的算法和一种计算特定跟踪区域的策略，以克服重复计数问题。

“使用从包含22棵树的两个字段中获取的六个视频序列作为验证数据集，所提出的方法显示出相对于基于视频的手动计数的最佳性能，”作者说，证明所提出的方法与其他现有算法相比具有实用价值.

作者还提供了对该技术未来的一瞥：“未来的工作可以着眼于使用3D技术定位水果空间坐标以实现更准确的计数，并将在后续研究工作中进一步探索线尾转弯。”