Instance Segmentation and Multi-Object Tracking for Fruit Quality Grading and Dynamic Yield Estimation in Egyptian Citrus Orchards

埃及位居全球领先的柑橘生产国和出口国之列；然而，果园作业仍受制于主观性强、劳动密集的人工质量分级以及耗时且需专业技能的产量估算。本研究提出了一种人工智能驱动的果园智能框架，用于在埃及橙园的非结构化条件下实现自动化果实质量分级和动态产量估算。为解决田间公开数据集缺乏的问题，构建了一个领域特定的实例分割数据集，包含618张原始像素级标注图像，扩充至1545张增强训练图像，以及15段视频。该数据集用于在密集树冠遮挡、果实簇生和自然光照多变条件下，对单阶段分割模型（YOLOv8、YOLOv11）与两阶段模型（Mask R-CNN）进行基准测试，同时对比基于Transformer的边界框检测模型（RT-DETR）。每个微调模型均经过两个阶段的评估：静态质量分级和动态产量估算。在静态分级（优质与缺陷）中，YOLOv11l在评估的分割模型中位居前列，平均精度（mAP）达到0.932，精确率与召回率表现均衡，同时以每张图像26.1毫秒的处理速度保持实时可行性。在动态产量估算方面，采用基于BoT-SORT的多目标跟踪流程，结合相机运动补偿和虚拟线跨越计数机制。评估结果揭示了三重分离现象：静态分割精度最高的模型（YOLOv11l）、动态总数计数最优的模型（RT-DETR，加权平均绝对百分比误差WMAPE = 5.66%，尽管其框级静态精度最低），以及质量分辨动态分级最佳的模型（YOLOv11s，每帧14.2毫秒时WMAPE = 6.97%）是三个不同的系统；RT-DETR在运动条件下无法可靠分辨果实质量。因此，计数精度和分级能力是可分离的属性，需要分别评估。总体而言，该框架实现了客观的果实质量评估和可操作的田间果实计数，以支持采收物流和劳动力规划，为埃及柑橘产业的智慧农业提供了实用基础。