Фото: із відкритих джерел
Розроблено нову модель VS-YOLO для автоматичного виявлення продуктивності посіву листових овочів, що значно покращує точність та ефективність процесу.
Про це повідомляє сайт Аграрії разом з посиланням на Hortidaily.
Для вирішення проблем низького індексу кваліфікації одиничного насіння та високого індексу пропуску насіння у процесі висіву розсади листових овочів, дослідники запропонували легку модель виявлення продуктивності посіву під назвою VS-YOLO, засновану на YOLO11n.
Ця модель була впроваджена на пристрої NVIDIA Jetson Xavier NX, що дозволило створити автоматизовану систему виявлення продуктивності посіву овочів. Система використовує графічний інтерфейс користувача для ідентифікації порожніх комірок, що дозволяє здійснювати точне пересівання на визначених місцях. Це досягається завдяки реальному часу передачі даних між пристроєм Jetson та контролером на базі ПЛК.
VS-YOLO включає кілька інноваційних покращень, таких як модуль Context Anchor Attention (CAA), функція втрат Wise Intersection over Union версії 3 (WIoU v3) та додатковий детектор для малих об’єктів. Ці вдосконалення значно покращують класифікацію та розпізнавання дрібних насіннєвих об’єктів, зменшуючи кількість параметрів моделі.
Технічні характеристики та параметри
- Точність виявлення продуктивності посіву: 96.5% (VS-YOLO) проти 91.5% (YOLO11n).
- F1 Score: 93.45% (VS-YOLO) проти 85.19% (YOLO11n).
- Кількість параметрів: 1.61 M (VS-YOLO), що на 37.6% менше, ніж у YOLO11n (2.58 M).
- Продуктивність: 120 лотків на годину.
- Точність передбачення одиничного насіння: 99.03%.
- Індекс кваліфікації одиничного насіння: 93.43% до пересівання, 97.61% після пересівання.
- Індекс пропуску насіння: 4.68% до пересівання, 0.32% після пересівання.
Ці значні покращення відкривають нові можливості для розвитку систем виявлення продуктивності посіву та пересівання у виробництві розсади овочів.