YOLO11番茄成熟度检测与分割系统

最新推荐文章于 2025-08-04 14:37:01 发布

原创最新推荐文章于 2025-08-04 14:37:01 发布 · 258 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能 #YOLO #视觉检测 #蔬菜分割 #番茄分割 #番茄成熟度

计算机视觉实战项目集锦专栏收录该内容

812 篇文章

订阅专栏

YOLO11番茄检测与分割系统

项目概述

本项目采用YOLO11实现先进的实例分割技术，用于番茄成熟度分类。在Laboro Tomato数据集上达到90.1% mAP@0.5(边界框)和89.8% mAP@0.5(掩码)的精度，适用于实际农业应用场景tomato。
在这里插入图片描述

应用场景

机器人采摘：自动化果实收获系统
产量预估：温室监测与分析
分拣系统：采后质量控制
移动应用：农场管理工具
科研：农业计算机视觉研究

成熟度分类

🟢 绿色：未成熟番茄
🟡 半熟：部分成熟番茄
🔴 全熟：可采收番茄

性能指标

指标	边界框检测	实例分割
mAP@0.5	90.1%	89.8%
mAP@0.5:0.95	80.5%	77.1%
推理速度	28ms	28ms

各类别表现

类别	精确率	召回率	mAP@0.5
全熟	91.4%	91.4%	91.3%
绿色	86.8%	91.8%	91.8%
半熟	85.0%	87.1%	87.1%

快速开始

在这里插入图片描述

系统要求

Python 3.10+
支持CUDA的NVIDIA GPU(推荐)
8GB以上内存

安装步骤

git clone https://github.com/Fonyuy45/yolo11-tomato-segmentation.git
cd yolo11-tomato-segmentation
chmod +x scripts/setup_environment.sh
./scripts/setup_environment.sh
source venv/bin/activate
wget -O models/best.pt "https://github.com/Fonyuy45/yolo11-tomato-segmentation/releases/download/v1.0/best.pt"

推理预测

单张图片预测

python src/predict.py --model models/best.pt --source data/sample_images/tomato1.jpg
`![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/d1078d9c758f4200b7b773bcce3110b6.png)
``

**批量处理**
```bash
python src/predict.py --model models/best.pt --source data/sample_images/ --save-dir results/batch_predictions

Python API

from ultralytics import YOLO
model = YOLO('models/best.pt')
results = model('path/to/tomato_image.jpg')
results[0].show()

模型训练

数据集配置

python scripts/download_data.py
python src/train.py --data data/data_config.yaml --model x --epochs 100 --batch 4

训练参数

模型：YOLO11x-seg (6200万参数)
输入尺寸：640×640
批大小：4
训练轮数：100
优化器：AdamW
GPU显存：约6GB(RTX 4060)

数据集信息

Laboro Tomato数据集

训练图像：2,001张
验证图像：86张
总实例数：898个
标注格式：YOLO分割掩码
许可协议：CC BY 4.0

模型架构

主干网络：YOLO11x-seg
输入分辨率：640×640
参数量：62,053,721
计算量：319.7 GFLOPs
输出：边界框+分割掩码

硬件要求

最低配置

GPU：GTX 1060 6GB / RTX 3050
内存：8GB+
存储：5GB可用空间

推荐配置

GPU：RTX 4060+ / RTX 3070+
内存：16GB+
存储：10GB+ SSD