成果简介
火龙果是一年多熟的热带亚热带水果，及时掌握不同时期的花果数量可以帮助种植户估产，计划订单，从而实现科学、精准的管理。传统的基于人工计数的方式，费时费力而且效率不高。本团队针对火龙果园的特殊场景，提出了一种基于特定区域(ROI)的视频实时巡检方法，实现了对火龙果园中的花、绿果、红果的分类计数。该方法主要包含三步，首先使用深度学习YOLOv5算法检测不同成熟期的火龙果目标，然后利用改进的ByteTrack目标跟踪算法对不同类别目标进行跟踪并分配唯一的ID，最后设定ROI区域对不同类别的ID进行分类计数。结果表明，该方法对火龙果花，未成熟火龙果（绿果）以及成熟火龙果（红果）的计数精度分别为97.62%，93.97%以及91.89%；平均识别精度为95.0%，在1080ti上计数的速度达到了56帧每秒(FPS)。该成果为果园中的火龙果以及其他类型的水果计数提供了一种新的方法。
应用前景
广西是火龙果的种植大省，种植面积达18.8万亩。火龙果什么时候成熟，产量多少，对种植户的收获、销售调度管理等都具有重要的指导意义。目前的火龙果估产也均采用人工估产的方式。本成果可以配合农业巡检机器人或移动平台，也可以移植到手机端，方便种植户可以准确快速地评价地块的产量、成熟时间等。具有较广阔的应用前景。
成熟度
小试
成果展示
图1 基于视频流的火龙果检测界面
知识产权情况
成果完成人
电气工程学院：李修华
成果转化，请联系成果与合作处，联系人：王老师，联系电话：0771-3810467。