基于近距离无人机影像和YOLO深度学习的哈斯鳄梨成熟度实时检测

《Smart Agricultural Technology》：Real-time Hass Avocado Ripeness Detection Using Close-Range UAV Imagery and YOLO-Based Deep Learning

　　

快速准确地评估哈斯（Hass）鳄梨成熟度对于改善收获规划、优化采摘时间、提高生产力及减少采后损失至关重要。本研究提出了一种基于近距离无人机（Unmanned Aerial Vehicle, UAV）影像和YOLO（You Only Look Once）深度学习的哈斯鳄梨成熟度实时检测系统。配备摄像头的UAV采集田间图像，并通过SCRCPY实时传输至处理站进行果实检测及成熟度分类。所提方法包含两个连续阶段：第一，使用340张经真实世界适应（Real World Adaptation）生成并在Roboflow平台标注的人工标注图像，训练了YOLOv8目标检测模型。该检测器取得了0.7951的精确率、0.7849的召回率、0.8388的mAP@0.5及0.6308的mAP@0.5:0.95，验证了其在田间条件下可靠的果实定位能力。第二，基于初始收集的14,710张图像衍生出的20,231张裁剪果实图像数据集（划分为五个成熟度阶段：未熟、半熟、成熟、完熟和过熟），训练了YOLOv8分类模型。分类模型取得了0.79的准确率、0.77的宏平均F1分数（F1-score）、0.78的加权平均F1分数、0.78的Top-1准确率及1.00的Top-5准确率，证实了其在成熟度评估中的有效性。整个系统在具有光照变化和部分果实遮挡的真实农业条件下进行了评估，表明近距离UAV影像与深度学习的集成为精准农业中的自动化鳄梨成熟度评估提供了有效工具。所提方法是在商业果园中获取的近距离UAV影像上进行评估的，因此建议在不同果园、环境条件和采集场景下进行进一步验证，以更全面地评估其泛化能力。

《Smart Agricultural Technology》论文解读：基于无人机影像和YOLO深度学习的哈斯鳄梨成熟度实时检测

**研究背景与问题**

哈斯鳄梨成熟度的准确评估是采后管理和收获决策中的关键环节，直接影响收获规划的科学性、采摘时机的优化、生产效益的提升以及采后损失的降低。然而，传统成熟度评估方法依赖人工目视判断，不仅主观性较强，而且需要配备专业人员、进行人工数据采集和耗时处理，导致运营成本高、效率低，难以满足规模化果园的实时监测需求。近年来，深度学习技术，特别是基于卷积神经网络（Convolutional Neural Network, CNN）和YOLO（You Only Look Once，一种单阶段目标检测架构）的模型，在农业图像分析中取得了显著进展，已被广泛用于植物病害检测、果实识别与成熟度分类。已有研究验证了YOLO模型在果实成熟度识别中的潜力，以及无人机（Unmanned Aerial Vehicle, UAV）遥感在果园监测中的可行性，但将近距离UAV影像采集与实时哈斯鳄梨成熟度评估有机结合的研究仍然十分有限，现有工作多聚焦于受控环境下的病害检测或单一环节监测，缺乏在真实田间条件下实现果实定位与成熟度分类一体化流程的系统验证。

**研究内容与意义**

针对上述研究空白，来自秘鲁圣奥古斯丁国立大学（Universidad Nacional de San Agustín de Arequipa）的研究人员Verner Leonidas TUDELA TACO、Wilson Emerson QUISPE ACCOSTUPA和Erasmo SULLA ESPINOZA开展了一项将UAV数据采集与YOLO深度学习模型相集成的研究，旨在构建能够在真实果园环境中实时检测哈斯鳄梨果实并对其成熟度进行分类的系统。该系统采用两阶段顺序架构：首先由YOLOv8目标检测模型定位果实，再通过YOLOv8分类模型将每个果实划分为未熟、半熟、成熟、完熟和过熟五个类别。研究在秘鲁莫克瓜大区科阿拉克区的商业哈斯鳄梨果园开展了实地验证，充分考虑了光照变化、叶片遮挡和复杂自然背景等真实条件。其结果表明，该集成系统在果实检测和成熟度分类方面均表现出可靠性能，为精准农业中自动化鳄梨成熟度监测提供了切实可行的技术方案。该论文发表于《Smart Agricultural Technology》期刊。

**关键技术方法**

研究人员采用了以下主要技术方法：第一，利用配备4K摄像头（3840×2160像素）和三轴云台稳定系统的Xiaomi FIMI X8 SE无人机在商业果园进行近距离（距树冠约1.5–2.5 m）视频采集；第二，通过SCRCPY开源工具将无人机摄像头画面实时镜像传输至笔记本电脑进行处理；第三，基于Ultralytics YOLOv8n架构训练单类"鳄梨"目标检测模型，使用340张从田间视频中提取并经Roboflow平台手动标注的图像，按280/40/20划分为训练/验证/测试集，并应用水平翻转、亮度（±15%）、饱和度（±15%）和曝光（±10%）数据增强；第四，采用YOLOv8n-cls架构训练成熟度分类模型，初始数据来自Hass鳄梨成熟度摄影数据集（Hass Avocado Ripening Photographic Dataset），该数据集包含478个果实，在10°C、20°C和环境温度三种条件下储存并每日拍摄，经自动裁剪后扩展至20,231张图像（17,237张训练、2,994张验证）；第五，为满足实时性要求，实施了帧跳过（每2帧处理1帧）和8帧检测保持（PERSIST_FRAMES=8）的优化策略。

**研究结果**

**检测模型性能**

YOLOv8n检测模型经过50个epoch训练后，在验证集上取得了0.7951的精确率、0.7849的召回率、0.8388的mAP@0.5和0.6308的mAP@0.5:0.95。精确率-召回率（Precision-Recall, PR）曲线显示曲线下面积（Area Under the Curve, AUC）为0.843，F1-置信度曲线表明在阈值约0.23处取得最大F1值（≈0.80）。混淆矩阵分析显示模型在验证子集上产生了136个真阳性、29个假阳性和36个假阴性，据此计算的精确率约为0.82、召回率约为0.79，与曲线分析结果一致。训练和验证曲线表明模型收敛稳定，未表现出明显过拟合。

**分类模型性能**

YOLOv8n-cls分类模型经过200个epoch训练后，取得了0.79的总体准确率、0.77的宏平均F1分数、0.78的加权平均F1分数、0.78的Top-1准确率和1.00的Top-5准确率。各类别中未熟类表现最优，F1分数达到0.91；半熟类表现最低，F1分数为0.67，这主要归因于中间成熟阶段之间较高的视觉相似性。混淆矩阵显示分类错误主要集中在相邻类别之间（如成熟-完熟、完熟-过熟）。训练曲线显示验证损失在约40–50个epoch后开始上升，提示存在中度过拟合，但Top-1准确率稳定在约78%，Top-5准确率接近100%，说明正确类别几乎总是包含在模型的高置信度预测中。

**实时系统评估**

在真实果园条件下进行了定性评估。系统成功识别了不同成熟阶段的鳄梨果实，包括未熟、成熟和过熟，且在光照变化、叶片遮挡和复杂自然背景下均表现出较强鲁棒性。每帧图像的处理流程为检测→裁剪→分类→可视化，实现了流畅的实时监测效果。

**讨论与结论**

讨论部分指出，检测模型在精确率（≈0.82）与召回率（≈0.79）之间呈现轻微偏向精确率的特性，即假阳性少于假阴性，这在农业应用中降低了果实过度计数的风险，但部分果实可能在严重遮挡或复杂光照条件下被漏检。分类模型的验证损失上升被归因于相邻成熟阶段视觉特征的渐进性和数据集的有限变异性，鳄梨成熟过程本身是连续的生理变化，中间阶段颜色、纹理差异细微，即使人工目视也难以精确判别。研究结论确认了所提出的YOLO检测模型在真实田间条件下果实检测的可靠性，精确率为79.51%、召回率为78.49%、mAP@0.5为83.88%、mAP@0.5:0.95为63.08%；同时在成熟度分类方面取得了79%的总体准确率和未熟类0.91的F1分数。研究人员指出，该系统的可行性在精准农业应用，特别是基于UAV的监测系统中得到了验证。研究也存在一定局限性，包括在严重遮挡和极端光照条件下性能可能下降，以及数据集规模相对于大规模农业数据集仍然有限。未来工作建议扩大数据集、改善类别平衡，并探索数据增强或模型微调策略以增强对相似成熟状态的判别能力。此外，由于研究仅在单一商业果园中采集数据，后续还需在不同果园、环境条件和采集场景下开展额外验证，以进一步评估系统的泛化能力。