Uso de coordenadas del mundo real para realizar estimaciones del tamaño de las manzanas
Presentado por:
Lucas Butters
Líder de I+D
Las imágenes de contenedores de manzana previamente transformadas ahora se incorporaron a un algoritmo de detección de objetos basado en aprendizaje automático para Ajustar máscaras y cuadros delimitadores alrededor de manzanas individuales dentro de la imagen.A continuación, se utilizó un enfoque estadístico para estimar el análisis del tamaño de la manzana de un contenedor de manzanas lleno en función de las detecciones positivas observadas en imagen de salida 1.
(Salida 1) – Imagen completa transformada del contenedor de manzanas con visualización de detección de manzanas
Una suposición importante que se hizo para el caso de las manzanas fue que Toda la fruta era redondaEsto se aplicó como un caso general donde la relación entre la altura superior e inferior de una manzana y el ancho de lado a lado era casi igual en comparación con frutas menos redondas como las peras o los aguacates.
Para todas las manzanas detectadas positivamente dentro de una imagen procesada, se generó una lista de anchos de cuadro delimitador. histograma Se produjo a partir de los datos de ancho del cuadro delimitador Para presentar cuántas frutas de cada categoría de tamaño se detectaron. La figura 1 muestra los datos basados en la imagen de salida 1, que representa una distribución normal.
(Figura 1) Histograma que representa los distintos tamaños de manzanas presentes en la capa superior del contenedor de manzanas lleno
Los dos puntos de información más útiles para los productores de manzanas según los datos del histograma incluidos tamaño medio y desviación estándarLa media fue el tamaño promedio de la manzana, mientras que la desviación estándar dio una indicación de cuánta variación existía en el tamaño de la manzana en toda la capa superior.
Los tamaños máximo y mínimo de manzana detectados también fueron recuperables y podrían ser útiles para los productores. El máximo representaba la manzana más grande y el mínimo, la más pequeña, en la capa superior del contenedor. Estas dos cantidades fueron útiles; sin embargo, solo describían una manzana cada una, en lugar de describir un caso general para toda la capa superior.
Espectro Ahora se puede estimar el tamaño de todo el contenedor tomando con precisión la fruta detectada en la capa superior del contenedor de manzanas lleno procesado.Esto se realizó considerando la capa superior visible del contenedor como una muestra de todo el contenedor. Se realizaron 185 detecciones positivas para el ejemplo de la imagen de salida 1. Suponiendo 3000 manzanas presentes dentro del contenedor de manzanas, 185 detecciones positivas representaron 6,21 TP3T de todo el contenedor.
El esquema propuesto mostró cómo el tamaño del contenedor de manzanas Se podrían hacer estimaciones en el momento de la cosecha. Al detectar con precisión una muestra con rapidez y prácticamente sin necesidad de infraestructura ni hardware, con solo tomar una foto con un teléfono móvil.
Ahora que el trabajo de base está hecho, estamos trabajando en la precisión de Espectro Poder de estimación. Informaremos sobre el progreso aquí y pronto tendremos más.
Potencia tu fruta
Contáctanos para conocer más acerca de las soluciones prácticas que ofrece Hectre y cómo pueden potenciar el éxito de tus operaciones.
Copyright © 2024 Hectre, Ltd.