人工智能辅助番茄植株监测系统

　　一种番茄植株实时监测系统的实验方法。?提出的网络可以识别疾病，即使它们只占图像的5%。在室内人工光环境下提供准确的检测和计数。提供实时优化的农场管理解决方案。

　　

在植物工厂中对番茄植株进行实时监测是必要的，可以在早期阶段识别和分类病害，以防止可能的爆发。所提出的DeepD381v4plus网络对番茄多品种叶片病害具有较高的分类准确度、灵敏度、特异性、精密度，F1评分和Matthews相关系数得分均超过0.96。

在繁殖阶段，还需要监测芽的形成、花的外观、咬痕和坐果，以确认授粉。探测器DeepDet381v4 - YOLOv4M在TFl_Blooming类中实现了最高的平均精度(mAP)(0.90)和最低的mAP(0.68)，在tfl_transformation类中实现了最低的mAP(0.68)。

然而，在现实世界的模拟中，DeepDet381v4 - YOLOv4M可以在40厘米的距离内检测和计数成熟的西红柿，几乎没有误差。

用于分类和检测计数任务的网络都具有体积小、分类和检测效率高(>27 fps)的特点。总的来说，拟议的实验方法将帮助农民预防疾病爆发，监测能够以最高速度结果的花朵形状，检测和计数成熟的水果，或识别由于表面裂缝或疾病而受损的水果，以便在最佳成熟阶段收获。这将降低人工成本，改善栽培管理，确保收获的番茄品质优良。