Método de reconocimiento de tomates basado en el modelo YOLOv8-Tomato en entornos complejos de invernadero
Autores: Zheng, Shuhe; Jia, Xuexin; He, Minglei; Zheng, Zebin; Lin, Tianliang; Weng, Wuxiong
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Método de reconocimiento de tomates basado en el modelo YOLOv8-Tomato en entornos complejos de invernadero
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Tomates
Cosecha automatizada
Modelo de reconocimiento
YOLOv8
Eficiencia
Precisión
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 17
Citaciones: Sin citaciones
Los tomates son un cultivo económico crítico. La realización de la automatización de la cosecha de tomates es de gran importancia para resolver la escasez de mano de obra y mejorar la eficiencia de la operación de cosecha actual. La correcta identificación de las frutas es clave para lograr la cosecha automatizada. Cosechar la fruta en su punto óptimo de madurez garantiza el mayor contenido de nutrientes, sabor y valor de mercado, maximizando así los beneficios económicos. Debido a la vegetación y las frutas no deseadas que obstaculizan las frutas objetivo, así como a la alteración del color debido a la luz, actualmente existe una baja tasa de reconocimiento y detección perdida. Tomamos el tomate de invernadero como objeto de investigación. Este estudio demuestra la capacidad del modelo para reconocer eficientemente y con precisión los tomates en entornos de cultivo no estructurados, proporcionando una referencia técnica para la cosecha automatizada de tomates.
Descripción
Los tomates son un cultivo económico crítico. La realización de la automatización de la cosecha de tomates es de gran importancia para resolver la escasez de mano de obra y mejorar la eficiencia de la operación de cosecha actual. La correcta identificación de las frutas es clave para lograr la cosecha automatizada. Cosechar la fruta en su punto óptimo de madurez garantiza el mayor contenido de nutrientes, sabor y valor de mercado, maximizando así los beneficios económicos. Debido a la vegetación y las frutas no deseadas que obstaculizan las frutas objetivo, así como a la alteración del color debido a la luz, actualmente existe una baja tasa de reconocimiento y detección perdida. Tomamos el tomate de invernadero como objeto de investigación. Este estudio demuestra la capacidad del modelo para reconocer eficientemente y con precisión los tomates en entornos de cultivo no estructurados, proporcionando una referencia técnica para la cosecha automatizada de tomates.