Anotasi Kotak Sempadan Pengesanan Buah Pertanian
Bagaimana Shaip menyampaikan anotasi kotak sempadan ketat merentasi setiap imejan epal yang kelihatan dalam dusun — meliputi kitaran pertumbuhan penuh, penangkapan berbilang perspektif dan atribut keadaan 3 lapisan — dibina sebagai set data gred pengeluaran untuk anggaran hasil, penuaian robotik dan AI kesihatan tanaman.
Gambaran Keseluruhan projek
Ketika pertanian jitu bergerak ke arah penuaian dan ramalan hasil yang dipacu AI, pelanggan memerlukan saluran anotasi yang mampu mengesan buah-buahan individu pada skala besar merentasi imej dusun yang padat dan berselerak secara semula jadi — merangkumi setiap peringkat pertumbuhan dari bunga hingga tuaian.
Shaip membina saluran anotasi hujung ke hujung yang meliputi penempatan kotak sempadan setiap buah yang ketat, penandaan keadaan berbilang atribut, pengendalian imej berbilang perspektif dan QA dua peringkat — menghasilkan set data sedia model untuk AI pertanian jitu pada skala besar.
Statistik Utama
Ambang Ketepatan
99%
Peringkat Pertumbuhan
Kitaran Penuh
Lapisan Atribut
3
Perspektif
Darat + Dron
Cabaran
- Menganotasi setiap epal yang kelihatan dalam imejan dusun yang padat — beratus-ratus setiap bingkai
- Menutup kitaran pertumbuhan penuh — bunga, buah hijau kecil, epal masak sepenuhnya
- pengendalian imejan pelbagai perspektif — aras tanah, dron di atas kepala, pandangan dekat dahan
- Membezakan buah daripada dedaun apabila warna bercampur semasa peringkat awal pertumbuhan
- Urusan tersumbat, separa dan terjejas silau buah tanpa menjejaskan ketepatan
Penyelesaian
Penempatan Kotak Sempadan Setiap Buah
Anotator melukis kotak terikat ketat di sekeliling setiap epal yang kelihatan dalam setiap imej, tanpa mengira saiz, peringkat warna atau kedudukan dalam bingkai. Walaupun dalam kelompok padat di mana berpuluh-puluh buah bertindih, setiap satu dilabel secara individu untuk menyokong model pengiraan buah hiliran dan anggaran hasil.
Liputan Kitaran Pertumbuhan Penuh
Anotasi merangkumi epal merentasi semua peringkat pertumbuhan — daripada bunga awal dan buah hijau kecil hingga epal merah dan kuning yang masak sepenuhnya. Liputan kitaran penuh ini memastikan model yang terlatih dapat mengesan buah pada bila-bila masa dalam kitaran pertanian, bukan hanya semasa musim menuai.
Imej Pelbagai Perspektif
Imej yang diambil dari barisan dusun aras tanah, imej dron atas dan fotografi dahan jarak dekat semuanya disertakan, menjadikan set data sangat pelbagai dan mewakili penggunaan dunia sebenar. Setiap perspektif menerima garis panduan anotasi khusus perspektif.
Pengelasan Atribut 3-Lapisan
Setiap epal yang diberi anotasi dikelaskan lagi dengan atribut yang meliputi peringkat kematangan (belum masak, separa masak, masak sepenuhnya), status keterlihatan (kelihatan sepenuhnya, separa tersumbat, tersumbat teruk), dan keadaan buah (sihat, rosak, berpenyakit). Pendekatan berbilang atribut ini membolehkan model terlatih menilai kesediaan tuaian dan kesihatan tanaman di samping pengesanan buah.
Pengendalian Kes Tepi
Anotator mematuhi garis panduan ketat untuk epal yang sebahagiannya terkeluar dari bingkai, epal di atas tanah, permukaan buah yang memantulkan cahaya atau berkilat yang menyebabkan artifak silau, dan buah-buahan kecil yang jauh yang memerlukan pengenalpastian tahap zum. Kebolehubahan pencahayaan — terutamanya bayang-bayang kanopi — dikendalikan melalui peraturan anotasi yang menyedari perspektif.
Skop projek
| Jenis Set Data | Sasaran | Peringkat Pertumbuhan | Perspektif | Atribut | Ketepatan |
|---|---|---|---|---|---|
| Pengesanan buah pertanian | Apples | Kitaran penuh (bunga → masak) | Darat + dron + jarak dekat | Kematangan, keterlihatan, keadaan | 99% |
Hasil
- Ditubuhkan a saluran paip kotak sempadan kebun padat mampu mengesan setiap buah yang kelihatan
- Diperkayakan liputan anotasi kitaran pertumbuhan penuh dari bunga hingga tuaian
- Dihantar Pengelasan atribut 3 lapisan untuk kematangan, keterlihatan dan keadaan
- Dikekalkan Pintu ketepatan 99% melalui QC dua peringkat merentasi imejan berbilang perspektif
- Membolehkan klien anggaran hasil, penuaian robotik, kesihatan tanaman dan pengawasan dron AI
Secara keseluruhannya, Shaip telah membantu mengubah keperluan pengesanan buah berskala dusun kepada saluran anotasi berstruktur dan sedia untuk pengeluaran — saluran yang mampu menyokong pertanian jitu, penuaian robotik, ramalan hasil & pemantauan kesihatan tanaman AI merentasi pelbagai persekitaran dusun dan kitaran pertumbuhan.
Shaip memberi anotasi kepada epal yang kami tidak dapat membezakannya daripada daun dalam beberapa bingkai. Penandaan peringkat pertumbuhan dan keadaannya dimasukkan terus ke dalam model anggaran hasil dan perancangan tuaian kami.
