Chú thích hộp giới hạn phát hiện trái cây trong nông nghiệp
Cách Shaip cung cấp chú thích hộp giới hạn chi tiết cho từng quả táo có thể nhìn thấy trong ảnh chụp vườn cây ăn quả — bao gồm toàn bộ chu kỳ sinh trưởng, chụp từ nhiều góc độ và thuộc tính tình trạng 3 lớp — được xây dựng thành bộ dữ liệu chất lượng cao để ước tính năng suất, thu hoạch bằng robot và trí tuệ nhân tạo về sức khỏe cây trồng.
Tổng Quan Dự Án
Khi nông nghiệp chính xác hướng tới việc thu hoạch và dự đoán năng suất dựa trên trí tuệ nhân tạo, khách hàng cần một quy trình chú thích có khả năng phát hiện từng quả riêng lẻ trên quy mô lớn trong các hình ảnh vườn cây ăn quả dày đặc, lộn xộn tự nhiên — bao gồm mọi giai đoạn phát triển từ khi ra hoa đến khi thu hoạch.
Shaip đã xây dựng quy trình chú thích hoàn chỉnh từ đầu đến cuối, bao gồm việc đặt khung giới hạn chính xác cho từng loại trái cây, gắn thẻ tình trạng đa thuộc tính, xử lý hình ảnh đa góc nhìn và kiểm tra chất lượng hai cấp — tạo ra các bộ dữ liệu sẵn sàng cho mô hình trí tuệ nhân tạo nông nghiệp chính xác ở quy mô lớn.
Số liệu thống kê chính
Ngưỡng chính xác
99%
Giai đoạn tăng trưởng
Toan chu ky
Lớp thuộc tính
3
Quan điểm
Mặt đất + Máy bay không người lái
Những thách thức
- Chú thích mọi quả táo có thể nhìn thấy Trong những hình ảnh vườn cây ăn quả rậm rạp — hàng trăm cây trên một khung hình
- bao gồm chu kỳ tăng trưởng đầy đủ — hoa, quả nhỏ màu xanh, táo chín hoàn toàn
- Xử lý hình ảnh đa góc nhìn — Góc nhìn từ mặt đất, máy bay không người lái từ trên cao, cận cảnh cành cây
- Phân biệt quả từ lá khi các màu sắc hòa quyện vào nhau trong giai đoạn phát triển ban đầu
- Quản lý bị che khuất, một phần và bị ảnh hưởng bởi ánh sáng chói trái cây mà không ảnh hưởng đến độ chính xác
Dung dịch
Đặt hộp giới hạn cho từng loại trái cây
Người chú thích đã vẽ các khung bao quanh chặt chẽ xung quanh mỗi quả táo có thể nhìn thấy trong mỗi hình ảnh, bất kể kích thước, giai đoạn màu sắc hay vị trí trong khung hình. Ngay cả trong các cụm dày đặc nơi hàng chục quả chồng lên nhau, mỗi quả đều được dán nhãn riêng để hỗ trợ các mô hình đếm quả và ước tính năng suất tiếp theo.
Bao quát toàn bộ chu kỳ tăng trưởng
Việc chú thích bao phủ các loại táo ở tất cả các giai đoạn phát triển — từ khi ra hoa sớm và quả xanh nhỏ cho đến khi táo chín đỏ và vàng. Phạm vi bao phủ toàn bộ chu kỳ này đảm bảo mô hình được huấn luyện có thể phát hiện trái cây ở bất kỳ thời điểm nào trong chu kỳ nông nghiệp, chứ không chỉ khi thu hoạch.
Hình ảnh đa chiều
Hình ảnh được chụp từ các hàng cây ăn quả ở mặt đất, hình ảnh từ máy bay không người lái trên cao và ảnh chụp cận cảnh cành cây đều được đưa vào, làm cho bộ dữ liệu rất đa dạng và phản ánh thực tế triển khai. Mỗi góc nhìn đều có hướng dẫn chú thích cụ thể.
Phân loại thuộc tính 3 lớp
Mỗi quả táo được chú thích đều được phân loại thêm với các thuộc tính bao gồm giai đoạn chín (chưa chín, chín một phần, chín hoàn toàn), trạng thái hiển thị (hiển thị rõ ràng, bị che khuất một phần, bị che khuất nhiều) và tình trạng của quả (khỏe mạnh, bị hư hại, bị bệnh). Cách tiếp cận đa thuộc tính này cho phép mô hình được huấn luyện đánh giá khả năng sẵn sàng thu hoạch và sức khỏe cây trồng cùng với việc phát hiện quả.
Xử lý trường hợp ngoại lệ
Người chú thích tuân thủ nghiêm ngặt các hướng dẫn đối với táo nằm một phần ngoài khung hình, táo rơi trên mặt đất, bề mặt trái cây phản chiếu hoặc bóng gây ra hiện tượng chói lóa, và các loại trái cây nhỏ ở xa cần nhận dạng ở mức độ phóng to. Sự thay đổi về ánh sáng — đặc biệt là bóng tán cây — được xử lý thông qua các quy tắc chú thích có tính đến phối cảnh.
Phạm vi dự án
| Loại tập dữ liệu | Mục tiêu | Giai đoạn tăng trưởng | Quan điểm | Thuộc tính | tính chính xác |
|---|---|---|---|---|---|
| Phát hiện trái cây nông nghiệp | Táo | Chu kỳ hoàn chỉnh (từ khi nở hoa đến khi chín) | Mặt đất + máy bay không người lái + cận cảnh | Độ chín, khả năng quan sát, tình trạng | 99% |
Kết quả
- Đã thành lập một đường ống hộp giới hạn vườn cây dày đặc có khả năng phát hiện mọi loại trái cây có thể nhìn thấy
- Tiêu chuẩn hóa phạm vi chú thích chu kỳ tăng trưởng đầy đủ từ khi nở hoa đến khi thu hoạch
- Giao Phân loại thuộc tính 3 lớp về độ chín, độ rõ ràng và tình trạng
- Duy trì Cổng có độ chính xác 99% thông qua quy trình kiểm soát chất lượng hai cấp trên nhiều góc nhìn hình ảnh khác nhau
- Đã kích hoạt cho khách hàng ước tính năng suất, thu hoạch bằng robot, sức khỏe cây trồng và giám sát bằng máy bay không người lái. AI
Nhìn chung, Shaip đã giúp chuyển đổi yêu cầu phát hiện trái cây quy mô vườn thành một quy trình chú thích có cấu trúc, sẵn sàng cho sản xuất — một quy trình có khả năng hỗ trợ nông nghiệp chính xác, thu hoạch bằng robot, dự đoán năng suất và giám sát sức khỏe cây trồng bằng trí tuệ nhân tạo trong nhiều môi trường vườn cây và chu kỳ sinh trưởng khác nhau.
Shaip đã chú thích những quả táo mà trong một số khung hình chúng tôi thậm chí không thể phân biệt được với lá. Việc gắn thẻ theo giai đoạn sinh trưởng và tình trạng của chúng được đưa trực tiếp vào các mô hình ước tính năng suất và lập kế hoạch thu hoạch của chúng tôi.
