Ontwikkeling en validatie van computer vision technologie ten behoeve van een broccoli oogstrobot

De selectieve en handmatige oogst van broccoli is arbeidsintensief en omvat ongeveer 35% van de totale productiekosten. Dit onderzoek is uitgevoerd om te bepalen of computer vision kan worden gebruikt om broccoli kronen te detecteren, als eerste stap in de ontwikkeling van een autonome selectieve broccoli oogstrobot. Een op textuur en kleur gebaseerde beeld detectie is gebruikt om de broccoli kronen van de achtergrond te scheiden. De computer vision is gevalideerd met een ground truth dataset van 200 afbeeldingen. In deze beelden zijn 228 werkelijke broccoli kronen van verschillende groottes aangewezen door twee menselijke experts gebruikmakend van het GrabCut-algoritme. De broccoli detectie van de computer vision is op twee verschillende manieren beoordeeld. De eerste was een pixel-gebaseerde overlap tussen de computer vision en de werkelijke broccoli objecten, wat resulteerde in een gemiddelde overlap van 93.8%. De tweede waarde was op basis van de detectie van de individuele broccoli kronen. Deze toonde een precisie van 99.5%, met een slechts een onterecht aangemerkte broccoli. De specificiteit was 97.9%, de negative predictive value was 69.7% en de gemiddelde nauwkeurigheid was 92.4%. In het totaal zijn 208 broccoli kronen gedetecteerd door de computer vision, wat wijst op een sensitiviteit van 91.2%. De gemiddelde grootte van de gemiste kronen was kleiner dan de gemiddelde grootte van de gedetecteerde kronen. Indien de broccoli kronen slechter zichtbaar zijn of overschaduwd worden door omringende bladeren is het mogelijk dat de computer vision misclassificaties levert.