Deep learning–based object detection for automated classification of ripe and unripe tomatoes in field conditions

方法

367张温室近距遥感图像，8900+标注，5折交叉验证与COCO指标评估。

发现

YOLO26s宏平均AP 0.741远超Faster R-CNN的0.241，定位是后者主要瓶颈。

机会点

小样本田间数据下单阶段检测器更优，可探索轻量化模型与跨温室域自适应迁移。

在真实田间条件下获取的近距离遥感影像中，准确检测不同成熟阶段的番茄，是精准农业中产量估计、采收调度和选择性机器人采摘的关键使能技术。然而，由于遮挡、光照变化、茂密冠层以及小农场和研究团队通常可获得的特定领域数据集规模有限，实现可靠性能具有挑战性。在本研究中，我们针对两种代表性目标检测范式——以ResNet-50 FPN为骨干网络的Faster R-CNN（两阶段）和YOLO26s（单阶段）——开展了一项受控对比研究，所用数据集为在商业樱桃番茄温室中自然光照条件下采集的367幅高分辨率图像，包含三个类别（花蕾期、未成熟期和成熟期）的8,900余个手工标注番茄。两种模型在受控协议下训练100个轮次，共享相同数据，采用分层70/15/15划分并辅以5折交叉验证，并使用COCO风格的AP/AR以及各类别的精确率—召回率和ROC分析进行评估。YOLO26s在留出测试集上取得了0.741的宏平均AP和0.954的ROC AUC，显著优于Faster R-CNN（宏平均AP 0.241；ROC AUC 0.836），在更严格的定位阈值下尤为明显；定性示例证实，定位而非分类是Faster R-CNN的主要瓶颈。这些结果为在固定监测站以及地面或空中自主平台上部署检测器提供了可操作的指导，这些场景中更紧致的边界框和有利的精度—效率权衡对可靠运行具有决定性作用。