Video-based fruit detection and tracking: effects of scanning conditions on fruit load estimation

自动化果实计数与产量估算系统对于高效的果园管理至关重要。本研究提出了一种基于视频多目标跟踪的计算机视觉系统，用于苹果园果实负载估算，并对该系统在不同扫描条件下的性能进行了全面分析。该系统集成了果实检测、跟踪、果园内定位以及果实负载图生成功能。实验在一个包含420棵苹果树的实验果园中进行。数据采集使用了两种不同的RGB-D传感器（Azure Kinect DK和ZED 2），在收获前的两个不同日期，以三种不同的扫描距离（125厘米、175厘米和225厘米）进行。对比两种评估的传感器，Azure Kinect在不同日期间提供了更一致的性能。结果还表明，较长的扫描距离能提高准确性，因为看到完整树视图比近距离的部分视图能获得更好的果实计数。在两个日期中，接近收获期时取得了最佳结果，这得益于该阶段果实的颜色特征，实现了平均绝对百分比误差（MAPE）为6.91%，决定系数（R²）为0.733（使用ZED2传感器，距离225厘米）。最后，一项比较从树行单侧或双侧扫描的测试表明，双侧扫描通过整合树冠两侧的信息，改善了区段级别的果实负载估算。本研究结果证明了视频果实跟踪系统作为自动化果实负载估算工具的有效性。